* 수식 정리를 어떻게 해야할지 모르겠음.. 첫 장부터 포기해야하는가..
1. Linear Regression ¶
- 우리나라 말로 선형 회귀
- 변수 하나만 쓰이면 단순 선형 회귀, 둘 이상의 변수가 쓰이면 다중 선형 회귀라고 함.
- 만약 목표가 예측일 경우, 선형 회귀를 통해 y와 x로 이루어진 집합을 만들기 위한 예측 모델을 개발한다. 개발된 모델은 차후 y가 없는 x값이 입력되었을 때, 해당 x에 대한 y를 예측하기 위해 사용한다.
- 여러 x가 존재할 경우, y와 x 간의 관계를 수량화하여 어느 x가 y와 별로 관계가 없는지 알아낸다.
[PNG image (1.12 KB)]
- 출처
2. Model Representation ¶
[PNG image (12.07 KB)]
- 예: 집 평수에 따른 가격
[PNG image (6.2 KB)]
- Training Set : 위의 기본 데이터 셋과 같음. 머신은 이런 데이터 셋을 기반으로 판단을 하게 됨.
- Learning Algorithm : Hypothesis(추정)를 만들어 냄.
- Hypothesis : 주어진 입력에 대한 출력을 추정해내는 함수를 말한다. h라고 많이 씀. 데이터 모델이 h와 같다고 추정하게 되면, 우리는 Training Set에 존재하지 않는 데이터에 대해서도 h를 통해서 값을 추정해낼 수 있다.
- 위의 예제는 변수가 하나만 쓰인 단순 선형 회귀임.
[PNG image (1.71 KB)]
- θ를 Hypothesis의 Parameter라고 함.
- 중요한 것 : θ를 어떻게 결정할 것인가? -> Cost Function을 통해서 결정함.
