hypothesis2 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. .. 2022. 6. 15. 02. Linear Regression 의 Hypothesis와 cost 설명 Regression 예측 값을 직선으로 표현하는 모델입니다. Regression model을 학습한다는 것은 하나의 가설을 세울 필요가 있습니다. " Linear 한 model이 우리의 data에 맞을 것이다 " 라는 가설입니다. (Linear) Hypothesis H(x) = Wx + b 위와 같이 가설을 세워줍니다. 해당 가설은 W, b의 값에 따라 여러 개의 직선으로 표현될 수 있습니다. 어떤 선이 나에게 가장 잘 맞는 선일까?? 이것을 확인하기 위해서는 실제 data와 직선(가설로 인해 생성된 data) 의 거리를 측정합니다. 이때 거리가 멀면 안좋고, 거리가 짧으면 좋은 것입니다. Cost Function 점(data)과 직선(가설)의 거리를 측정하는 것을 cost function 이라고 합니다.. 2022. 6. 15. 이전 1 다음
