딥러닝(Deep Learning) 2회차 공부

Linear Regression

data set을 만든다 : 하나의 가설을 세운다.

어떠한 Linear한 모델이 가져온 데이터에 맞을거다라고 예측하고 하는것 = Linear Regression

ex1) 공부를 많이 할수록 성적이 높아진다.

ex2) 운동을 많이 할수록 운동 수행능력이 높아진다.

어떠한 데이터가 있다면 Linear한 선을 찾는다. 가장 적합한 선을 찾는 것이 학습하는 것이다.

H(x): Hypothesis

W값이 가장 좋을 것을 찾아내야 한다. 

Cost function

가설과 실제 데이터가 얼마나 다른지를 나타낸다.

distance 계산법

세운 가설값과 실제 데이터의 값의 차이를 계산한다.

하지만 음수의 값이 나올 수 있으므로 제곱해서 distance를 구한다.

 = 

데이터의 갯수가 많아질 경우

m = 학습데이터의 개수

각각의 (hypothesis(예측값) - 실 데이터값)의 차이의 제곱의 데이터의 갯수만큼 나누면서 표준화를 진행한다.

Cost Function

-cost는 W와 b에 대한 function이 된다.

Goal: Minimize cost

값을 작게 할수록 실 데이터값과 가까워지므로 좋다.

참조: kim sung machine/Deep Learning

https://www.youtube.com/watch?v=Hax03rCn3UI