al1 [인공지능] 선형회귀 (Linear regression) , 경사하강(Gradient Descent Algorithm) 강의 내용 정리 Goal : Minimize cost(W,b) 데이터 예측 단계 Regression Data -> Presentation -> Hypothesis (Linear ? Non-linear ?) 1. Hypothesis (1) Linear ## 우리 모델에 가장 적합한 식(오차가 적음)을 찾자! : H(x) = Wx + b - cost function (오차) = Loss function = Objective function : Cost = H(x) - y (y : 창 값) 즉, 에러의 평균을 의미한다. 유도 방법 - Gradient Descent Algorithm (경사 하강 알고리즘) : 기울기가 0이 되는 지점을 찾는다. -> 미분 --> 갱신값 = 기존값 일때까지 반복 (즉, 미분값이 0인 경우) --.. 2021. 1. 11. 이전 1 다음
