[정리]모두를 위한 딥러닝 02 - Linear Regression

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

Sung Kim 교수님의 모두를 위한 머신러닝/딥러닝을 정리한 것

Linear Regression

Linear Regression

- data의 분포를 분석하였을 때 선형그래프로 정의될 수 있는 문제

ex) 

학생이 공부를 많이 할 수록 성적이 높아진다.

집의 크기가 클 수록 가격이 높아진다.

Hypothesis

- model을 수학적으로 표현한 것

- 선의 모양은 W와 b에 따라 결정된다.

- 어떤 선이 더 좋은 가설인지 찾아 낼 수 있어야 한다.

Cost Function(Loss Function)

- 가설과 실제 데이터가 얼마나 다른가를 나타내는 함수

- Hypothesis의 정확성을 판단하기 위해 사용

- 거리를 비교해서 가까우면 좋은 것

거리(차이) : H(x) - y

-> +가 될 수도 -가 될 수도 있기 때문에 좋지 않다.

Square Error Function

: (H(x) - y)^2

- 차이를 양수로 표현

- 차이가 클 때 penalty를 크게 준다.

Linear Regression의 목적

- cost를 minimize 하는 것!

- cost를 최소화하는 W와 b를 구하자!