회귀는 숫자의 크기를 맞히는 일이야
회귀는 가격, 수요, 응답 시간, 매출, 해지까지 남은 일수처럼 연속적인 값이나 개수를 예측해. 분류가 어느 범주인지를 묻는다면 회귀는 얼마나 큰지를 묻지. 그래서 틀렸다는 사실만큼 얼마나 멀리 틀렸는지가 중요해. 101을 100으로 예측한 것과 1,000으로 예측한 것을 같은 오답 한 건으로 셀 수는 없어.
목표값의 단위부터 계약해
매출이라면 원화인지 달러인지, 지연 시간이라면 평균인지 99백분위인지, 수요라면 하루 단위인지 주 단위인지 정해야 해. 같은 이름도 집계 창과 기준 시각에 따라 다른 문제가 돼. 예측 시점, 예측 구간, 단위, 누가 결과를 쓰는지를 한 문장으로 적어야 평가 숫자도 뜻을 가져.
오차의 비용 모양을 그려
실제값 110을 100으로 예측한 10의 오차가 무료에 가까운 업무도 있고 재고 부족을 부르는 업무도 있어. 오차가 두 배면 비용도 두 배인지, 큰 오차에서 급격히 비싸지는지, 과대예측과 과소예측의 비용이 다른지 물어. 이 답이 MAE, RMSE, 분위수 손실, 사용자 정의 손실 가운데 무엇을 쓸지 결정해.
가능한 값의 경계를 지켜
개수는 음수가 될 수 없고 확률은 0과 1 사이여야 해. 일반 선형 회귀는 이런 경계를 모르므로 자료 밖에서는 음수 수요나 130% 같은 값을 낼 수 있어. 단순히 출력만 자르면 오차 구조가 숨을 수 있어. 로그 연결을 쓰는 모형, 적절한 분포를 가정한 모형, 목표 변환처럼 문제의 성질을 반영하는 방식을 먼저 검토해.
로그 변환은 차이를 비율로 바꿔
매출, 웹 트래픽, 응답 시간처럼 값이 여러 자릿수 범위에 걸치고 오른쪽 꼬리가 길다면 log1p(target)을 예측해 볼 수 있어. 로그 공간의 같은 오차는 원래 공간에서 비슷한 비율 오차에 대응하므로 큰 고객 몇 명이 학습을 독점하는 현상을 줄여. 0이 있을 때는 log1p를 쓰고, 보고할 때 expm1으로 되돌려야 해.
되돌린 예측도 다시 평가해
로그 예측의 평균을 단순히 역변환하면 원래 단위 평균에 편향이 생길 수 있어. 최종 사용자가 보는 원래 단위에서 MAE와 잔차를 다시 계산하고, 중요한 구간별 성능도 확인해. 평균 예측만 필요한지 예측 구간까지 필요한지도 정해야 해. 회귀 결과는 한 숫자처럼 보여도 불확실성을 숨기면 결정이 과감해져.
기준선도 원래 단위에서 세워
학습 자료의 평균이나 중앙값을 모든 사례에 예측하는 단순 기준선을 먼저 계산해. 복잡한 회귀 모델은 같은 자료 분할과 원래 단위 지표에서 이 기준선을 충분히 이겨야 해. 목표 변환을 썼더라도 사용자가 보는 단위의 이득으로 설명해야 해.