기초 개념 · Regression초보갱신일 2026. 10. 1.
회귀
카테고리가 아니라 숫자(가격·수요·점수)를 예측하는 AI 작업입니다.
비유
분류가 ‘A/B/C 중 하나’를 고르는 객관식이라면, 회귀는 ‘내일 매출이 대략 얼마일까?’ 같은 주관식 숫자 답입니다.
이렇게 이해하세요
회귀(Regression)는 집값, 광고 클릭률, 재고 소진일, 이탈 확률(0~1)처럼 연속적인 값을 추정합니다. 전통 통계 회귀부터 딥러닝까지 폭넓게 쓰이며, LLM은 표 형태 출력으로 ‘숫자 추정’을 흉내 낼 수 있지만 검증 없이는 위험합니다. 데이터 누수(미래 정보가 학습에 섞임), 계절성, 이상치가 예측을 망가뜨리는 대표 원인입니다. 비즈니스에서는 회귀 결과를 ‘확정값’이 아니 ‘구간·시나리오’로 보고 의사결정에 넣는 것이 좋습니다. AI 디렉터리·요금 비교에서도 ‘예상 토큰 비용’ 같은 실무 회귀적 사고가 자주 등장합니다.
한 줄 암기
회귀 = 숫자 맞히기
좋은 예
지난 12개월 데이터로 월 API 비용 구간(낙관·기본·비관)을 보고 예산 상한을 정한다.
피하기
LLM이 ‘매출 37억’이라고 한 숫자를 그대로 IR 자료에 넣는다.
관련 서비스
관련 용어
기초 개념 더보기관련 링크
자주 묻는 질문
분류와 회귀를 동시에 써야 하나요?
문제 정의에 따라 다릅니다. ‘이탈할 고객인가?’는 분류, ‘남은 LTV는?’는 회귀에 가깝습니다.
LLM으로 수치 예측해도 되나요?
탐색·설명용은 가능하지만, 공식 KPI·재무에는 전용 모델·스프레드시트·DB 쿼리로 교차 확인하세요.