[NLP] 모두를 위한 딥러닝 : "Linear Regression 의 개념"

 

 

 

 

Linear Regression?

---

1. Training data set 준비

x	y
1	1
2	2
3	3

Training data set

 

 

 

2. (Linear) Hypothesis 세우기

Linear regression

Training set의 점들의 집합을 Linear한 선으로 예측해보는 것

예측 상황 예시) 공부 시간이 많으면 성적이 좋다, 훈련 시간이 많으면 결과가 좋다, 크기가 클 수록 가격이 높다

 

 

 

3. 어떤 Hypothesis가 좋은지 판단하는 Cost(Loss) function

m : 데이터의 개수

 

- Linear Hypothesis가 얼마나 틀렸나 확인할 때 계산할 수 있는 함수 = Cost function
- 단순히 (예측값-정답)하기 보다, (예측값-정답)을 제곱함으로써 크게 잘못 예측한 것이 더 많은 패널티를 주게 됨

 

 

 

4. Linear regression의 학습은 Cost function의 값을 최소화하는 W와 b를 찾는 것!

 

 

 

 

 

 

<Reference>

https://hunkim.github.io/ml/

모두를 위한 머신러닝/딥러닝 강의