선형 회귀 (Linear Regression) 가설 (Hypothesis), 손실 / 비용 함수 (Cost / Loss function) 단순 선형회귀(1차 함수)를 가정하고 생각해보면 가설을 다음과 같이 세울 수 있다H(x)=Wx+bH(x) = Wx + bH(x)=Wx+bW (Weight) 가중치 : 각 입력 특성에 대한 중요성을 결정b (bias) 편향 : 실제 값과 예측 값 사이의 잔차를 보정 이렇게 만든 가설이 정답에 최대한 가까워지도록 해야한다 이때 주로 사용하는 것이 평균 제곱 오차(Mean Squared Error, MSE), 손실 함수라 한다 MSE=1/N∗Σ(yi−y^i)2MSE = 1/N * Σ (y_i - ŷ_i)^2MSE=1/N∗Σ(yi​−y^​i​)2N은 데이터 포인트의 총 수y..

https://towardsdatascience.com/the-future-with-reinforcement-learning-877a17187d54 지도 학습 (Supervised learning) https://www.researchgate.net/figure/Supervised-learning-and-unsupervised-learning-Supervised-learning-uses-annotation_fig1_329533120 정답을 알려주면서 학습시키는 방법 입력값과 출력값이 필요하다. 입력값은 있지만 출력값이 없는 경우 많아 라벨링(Labeling, 레이블링), 어노테이션(Annotation) 작업을 해서 출력값을 하나하나 입력해준다. 비지도 학습 (Unsupervised learning) ht..

회귀 (Regression) 여러 개의 독립변수와 한 개의 종속변수 간의 상관관계를 모델링 하는 기법 Y = W1 * X1 + W2 * X2 + W3 * X3 + … 이런 회귀식을 보면 Y는 종속변수, 즉 우리가 머신러닝을 통해 예측 할 가격이 되는 것이고, W1, W2, W3 은 독립 변수 값에 영향을 주는 회귀 계수(Regression coefficients) X1, X2, X3 은 독립변수가 된다. 머신러닝 회귀 예측은 주어진 피처(feature)와 결정 값 데이터 기반에서 학습을 통해 최적의 회귀 계수를 찾는 것이 목표 회귀는 회귀 계수의 선형/ 비선형 여부, 독립변수 개수, 종속 변수의 개수에 따라 여러가지 유형으로 나뉜다 독립변수 개수회귀 계수의 결합1개 : 단일 회귀선형여러 개 : 다중 회귀..