03. Multivariable Linear Regression

review

 

Linear Regression을 설계하기 위해 총 3가지가 필요합니다.

1. Hypethesis

우리가 어떻게 예측할 것인지 즉 가설이 무엇인지에 대해 알아야 합니다.

2. Cost Function

실제 데이터와 가설의 차이를 확인할 수 있습니다.

즉 잘 예측했는지 못했는지에 대해 알아야 합니다.

3. Gradient Descent Algorithm

cost를 최적화하는 algorithm 입니다.

 

---

 

지금까지는 data의 input이 한 개인 경우를 공부했습니다.

이제는 input 값이 한 개가 아닌 여러 개인 경우를 살펴보겠습니다.

 

 

[ Hypothesis ]

기존 input이 한 개 일 때 가설은 다음과 같습니다.

 

 

 

input이 다양할 경우 학습해야 할 값이 많아진 것을 확인할 수 있습니다.

 

 

input이 많을수록 식이 많이 길어지는데 이것을 잘 처리하는 것이 matrix 입니다.

 

 

 

 

그래서 가설이 뭔데 !! 라고 물어보신다면 

 

이론상으로는 H(x) = Wx + b 라고 생각하면 됩니다.

다만 구현에 있어서는 H(X) = XW 라고 생각해 줍니다 !