아무거나

multi-variable linear regression Linear Regression(선형 회귀) Hypothesis 어떤 문제를 다루기 위해 가설, Hypothesis를 세움 Cost function 해당 hypothesis를 검증하는 단계로써 cost function을 통해 cost를 계산 Gradient descent algorithm cost를 최소화 하기 위해 Gradient descent algorithm 을 사용 이를 통하여 우리는 아래 이미지와 같은 하나의 input, 즉 하나의 변수에 대한 문제를 다루었다. 하나가 아니고 여러개의 input일 경우에는 multi-variable에 대한 문제가 존재 여기서 1개가 있을 경우에는 아래 이미지와 같이 계산하였지만 만약 3개가 있다고 가정하..

[Hypothesis and Cost]* 가설의 값과 실제 값의 차이를 제곱한 다음에 이것들을 총 더하고 이것을 m으로 나누면 된다. 즉, W와 b의 값을 우리가 가지고 있는 데이터를 통해서 구해보자는 것이 Linear Regression의 목표이다. [ Simplified hypothesis : 쉬운 설명을 위해서 간단하게 hypothesis를 만들었다. ] 이제 cost를 minimize 하려고 하는데 그렇게 하기 위해서는 cost라는 함수를 한번 확인해보자.하기 이미지에 표와 같은 데이터를 갖고 있다고 하자. 그리고 W에 값이 주어지면 cost(W)를 구해보자. W=2일 때도 값을 구하면 4.6667로 나온다. 즉, 계속 값을 구하다 보면 cost(W, b)는 W가 1로 갈수록 0으로 수렴, 양쪽으..

Linear Regression란 Linear는 직선, Regression은 회귀 즉, 단어의 뜻을 그대로 이해하면 이름 그대로 이해하면 된다. 예를 들어 기계가 학습을 하기 위해선 하기와 같은 데이터가 필요하다. x(hours) y (score) 10 90 9 80 3 50 2 30 여기서 우리가 최종적으로 원하는 목표는 score이다 이와 같은 데이터는 score의 값이 다양하다. ( ex: 0 ~ 100 점대로 다양함) 이러한 것들은 영역이 넓기 때문에 이런 유형의 예측을 하는 것을 supervised 중에 regression이라고 한다. 만약, 위 데이터를 regression 모델에 학습을 시키고 나서, x로 8을 regression 모델에 입력하면 70 정도의 값이 출력 될 것이다. 이러한 과정..