---
schema_version: "1"
id: d73f4a0e200333cb7c2fa690560368c851b94e70ddf2b9b65fd8902341c7151c
title: 예측 모델 선택
collection: tableau
version: current
locale: ko-kr
portal_url: https://docs.salesforce.com/tableau/current/ko-kr/public/desktop/predictions_choosing_model.md
canonical_url: https://help.tableau.com/current/public/desktop/ko-kr/predictions_choosing_model.htm
source_site: help.tableau.com
content_type: documentation
content_hash: e58febb3a432eec1fa5324ee858df05e44b95894e54a219bc6f608b81ff15286
description: Choose a predictive model among linear, regularized, and Gaussian process regression.
---
[주요 콘텐츠로 건너뛰기](#main-content)

# 예측 모델 선택

예측 모델링 함수는 선형 회귀, 정규화된 선형 회귀 및 가우스 프로세스 회귀를 지원합니다. 이러한 모델은 다양한 사용 사례 및 예측 유형을 지원할 뿐만 아니라 다양한 제한이 있습니다.

## 지원되는 모델

### 선형 회귀

[선형 회귀](https://en.wikipedia.org/wiki/Linear_regression)(최소 자승 회귀 또는 OLS라고도 함)는 예측과 예측 대상 사이에 선형 관계가 있는 하나 이상의 예측자가 있고 이러한 예측자가 동일한 기본 조건의 영향을 받지 않으며 동일한 데이터의 두 인스턴스를 나타내지 않는 경우(예: 달러와 유로로 표시되는 매출)에 사용하는 것이 가장 좋습니다. 선형 회귀는 Tableau의 예측 모델링 함수에 대한 기본 모델입니다. 모델을 지정하지 않으면 선형 회귀가 사용됩니다. 테이블 계산의 첫 번째 인수로 **"model=linear"**를 포함하여 이 모델을 명시적으로 지정할 수 있습니다.

#### 예:

`MODEL_QUANTILE(   "model=linear",   0.5,   SUM([Sales]),   ATTR(DATETRUNC('month',([Order Date]))   )`

### 정규화된 선형 회귀

[정규화된 선형 회귀](https://en.wikipedia.org/wiki/Regularized_least_squares)는 두 개 이상의 독립 변수 간에 근사적인 선형 관계가 있는 경우에 사용하는 것이 가장 좋습니다. [다중공선성](https://en.wikipedia.org/wiki/Multicollinearity)이라고도 하는 이 관계는 실제 데이터 집합에서 자주 관찰됩니다. 기본 선형 회귀 대신에 이 모델을 사용하려면 테이블 계산의 첫 번째 인수로 **"model=rl"**을 포함하십시오.

#### 예:

`MODEL_QUANTILE(   "model=rl",   0.5,   SUM([Sales]),   ATTR(DATETRUNC('month',([Order Date]))   )`

### 가우스 프로세스 회귀

[가우스 프로세스 회귀](https://en.wikipedia.org/wiki/Gaussian_process)는 시간 또는 공간과 같은 연속 도메인에서 예측을 생성하는 경우 또는 변수와 예측 대상 간에 비선형 관계가 있는 경우에 사용하는 것이 가장 좋습니다. Tableau의 가우스 프로세스 회귀에는 반드시 **정렬된** 단일 차원이 예측자로 있어야 하며, **정렬되지 않은** 여러 차원이 예측자로 포함될 수 있습니다. 측정값은 Tableau의 가우스 프로세스 회귀에서 예측자로 사용할 수 없습니다. 기본 선형 회귀 대신에 이 모델을 사용하려면 테이블 계산의 첫 번째 인수로 **"model=gp"**를 포함하십시오.

**참고:** _정렬된_ 차원은 MONTH와 같이 값을 차례로 배열할 수 있는 모든 차원입니다. _정렬되지 않은_ 차원은 성별 또는 색상과 같이 값에 고유한 순서가 없는 모든 차원입니다.

#### 예:

`MODEL_PERCENTILE(   "model=gp",   AVG([Days to Ship Actual]),   ATTR(DATETRUNC('month',([Order Date])))   )`

  

간단한 추론법으로 아래 기준을 사용하여 모델을 선택할 수 있습니다.

- **선형 회귀(기본값):** 예측자가 하나만 있고 해당 예측자가 대상 메트릭과 선형 관계를 갖는 경우 사용합니다.
- **정규화된 선형 회귀:** 여러 예측자가 있는 경우, 특히 해당 예측자가 대상 메트릭과 선형 관계를 가지며 유사한 기초 관계 또는 추세의 영향을 받을 가능성이 있는 경우 사용합니다.
- **가우스 프로세스 회귀:** 시간 또는 공간 예측자가 있거나 대상 메트릭과 선형 관계를 갖지 않을 수 있는 예측자를 사용하는 경우 사용합니다.