Linear Regression을 통한 상관관계 수치화 및 예측 모델 구현

Context

추상적인 통계 공식보다 실제 데이터 기반의 문제 해결 방식 필요성 대두. 단순 관찰을 넘어 특정 입력값(X)의 변화에 따른 결과값(Y)의 정량적 예측 모델 구축을 목표로 함.

Technical Solution

• Scatter Plot을 통한 데이터 분포의 시각적 분석으로 상관관계 초기 가설 설정
• Least Squares Regression 방식을 적용하여 실제 값과 예측 값 사이의 Residual 합계를 최소화하는 최적선 도출
• Residual의 음수 값 상쇄 방지를 위해 오차를 제곱하는 Squared Error 방식 채택
• 평균값 기반의 Deviation 및 Product 계산을 통한 Slope(m)와 Intercept(b)의 수식적 산출
• 산출된 선형 방정식(y = mx + b)을 통한 미래 데이터 예측 프레임워크 구축

Impact

• 커피 1잔 증가당 약 53~56라인의 코드 생산량 증가 확인
• zero-coffee 상태의 기본 생산량을 약 38~42라인으로 정량화
• 결정계수 R² 약 0.89의 높은 모델 설명력 확보

Key Takeaway

복잡한 모델 도입 전 단순 선형 회귀를 통해 변수 간의 인과관계를 수치화하여 직관적 가설을 검증하는 데이터 기반 의사결정 프로세스의 중요성