한 소매업체가 가격을 기반으로 판매량을 예측하는 간단한 선형 모델을 구축했는데, 잔차 플롯에서 명확한 비선형 패턴이 나타났습니다. 예측 정확도를 높이기 위해 ML 엔지니어가 다음으로 취해야 할 조치는 무엇입니까? (세 가지 선택)

잔차 플롯에서 명확한 비선형 패턴이 나타났다는 것은 현재 선형 모델이 데이터의 기본 관계를 제대로 포착하지 못하고 있음을 의미합니다. 1. 선형 모델을 비선형 모델로 교체합니다. 선형 모델의 한계이므로, 다항 회귀, 결정 트리, 랜덤 포레스트, 신경망과 같은 비선형 모델을 사용하여 데이터의 복잡한 패턴을 더 잘 학습할 수 있습니다. 2. 입력 특징을 검사하고 필요한 경우 적절한 비선형 변환을 적용합니다. 기존 선형 모델을 유지하면서도 비선형성을 처리하는 방법입니다. 예를 들어, 가격(Price) 특징에 제곱근, 로그, 다항식 변환 등을 적용하여 선형 모델이 비선형 관계를 학습할 수 있도록 합니다. 3. 데이터를 분할하고 데이터의 다른 영역에 대해 두 개의 개별 모델을 구축합니다. 데이터가 여러 개의 선형 또는 비선형 구간으로 나뉘는 경우 효과적입니다. 예를 들어, 가격이 특정 임계값(예: 50)을 기준으로 다른 행동을 보인다면, 각 구간에 대해 별도의 모델을 구축하여 전체적인 예측 정확도를 높일 수 있습니다. 데이터셋을 다운샘플링하는 것은 비선형 패턴 문제를 직접적으로 해결하지 못하며, 오히려 중요한 정보를 잃어 모델 성능을 저하시킬 수 있습니다. 입력 값을 상수로 오프셋하는 것은 비선형 패턴을 해결하는 적절한 방법이 아닙니다.