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..

Today I Learned 머신러닝 / 딥러닝 주차에 들어갔는데 기본 개념 정리가 필요할거 같아서 강의 내용 외의 기본 개념들을 정리했다. 아마 당분간은 개념정리 위주의 포스팅이 될 듯 하다 https://raoneli-coding.tistory.com/115 [머신러닝] 회귀와 분류 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 가 raoneli-coding.tistory.com

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..