차원의 저주 : 차원이 늘어나면 필요한 Data가 기하급수적으로 필요하다.

OLS의 비용함수에 규제항(족쇄,패널티)을 더해주는 것

회귀계수들의 영향력을 비교해 보기위해서는 스케일링(표준화)를 해야한다.

• 특성 선택을 하는 이유 : 상관성이 낮은 Feature는 제거하고 또한, 너무 target과 너무 높은 상관성( ex, target-결제금액, Feature - 주문금액) 을 가진 Feature 또한 제거(누수 문제 해결) 하기 위함.
• 릿지 회귀 모델은 기존의 다중회귀모델을 훈련데이터에 덜 적합되도록(과적합 문제 해결) 하기 위함.