[머신러닝] 머신러닝 입문 올인원 :: 1강 회귀_Linear Regression

---

 

 

1강 회귀 :: Linear Regression

 

 

 

단순선형회귀

-피처의 종류가 한 개인 데이터에 대한 회귀 모델

다중선형회귀

-피처의 종류가 여러 개인 데이터에 대한 회귀  모델

다항회쉬

-독립변수의 차수를 높인 회귀 모델

 

->여기서 선형이란 선형비선형이랑은 다름. 3차원으로 보면 선형이지만 2차원에서는 비선형처럼 보임.

 

 

데이터 입력을 받았을때 가장 먼저 할 수 있어야 하는 일은 피처인 x가 무엇이고 라벨인 y가 무엇인지 구분할 수 있어야 하는 것.

정답지(라벨)가 실수 형태냐 범주 형태냐를 따질 수 있어야 함.

실수 형태이기 때문에 회귀문제로 풀어야 함.

모델에 대한 정의는 피처의 개수에 따라 결정. => 단순 또는 다항 회귀(다항 단순 선형회귀) . 피처가 x로 1개이기 때문

 

 

 

단순회귀라고 생각했을때.

정의한 함수식으로 모델을 정의. => 이 함수식으로 학습을 잘 하는것.=> 회귀문제를 푼다

 

 

그 모델이 가지고 있는 학습가능한 파라미터. W0와 W1을 데이터에 잘맞는 값으로 최적값을 찾는것

 

x라는 피처와 y라는 라벨의 관계를 잘 표현한다. 

 

최적의-> 예측값과 실제값의 차이가 가장 적은 모델

손실함수->예측값과 실제값의 관계를 표현한것

손실함수값이 가장 최소가 되는 값으로 만드는 모델의 파라미터를 찾는 것 -> 옵티마이제이션을 했다.

 

고등학생때 배웠던 함수가 인공지능에서 이런 식으로 쓰이는 것이 신기했다. 고딩수학 다 잊어버렸는데.. 고딩수학도 따로 공부하는 게 좋을 것 같다. 그러면 더 이해하기 쉬울듯. 강사님이 쉽게 알려주셔서 아직까지 이해가 안되는 부분은 없다.

 

 

이미지를 눌러 머신러닝 배우러 가기