[머신러닝-Tensorflow] Lec-02 Linear Regression

1. Linear Regression 

Predicting exam score : regression

supervised learning 을 통해 알아보자.

supervised learning은 간단히 데이터를 가지고 학습을 시키는것이다.

learning course : Train -> regression 

간단히 말하면,데이터를 trainning 시켜놓은 후, 그 조건에 맞는 데이터에 대한 확률을 regression analysis

X,Y의 표로 시행되고 있음을 알면된다.

(1) Linear Regression이란?(hypothesis)

데이터 분석에 있어서 하나의 가설 검증이 필요하다. 이 가설을 검증할때, Linear 한 모델이 우리 데이터에 맞을것이다. 라는의미

가설을 세우고, 가장 적합한 데이터를 결정하는것.

H(x) = Wx+b

H(x) : hypothesis

Wx+b : data

하나의 그래프상에서 가장 적절한 선은 무엇일지를 어떻게 결정할까? 

H(x) 값을 기울기나 나머지 적절한 y의 값을 활용해서 알아 낸다.

실제 데이터 = 가설 데이터의 표현을 계산한다.

(2) Cost Function(loss Function)

실제 데이터와 가설 데이터간의 다름을 나타내는것은 Cost Function을 사용한다.

Cost Function을 사용하여 실제 데이터 - 가설데이터 간의 차이를 찾아낸후

(H(x) - y)^2 제곱을 해줌으로서, 양수로서의 표현으로 나타낸다.

Cost Function

m : data number

Cost Function

Linear Regression의 값은 가장 작게 하는것이 좋다. W,b를 구하는것이 여기서 학습을 의미한다.

(3) Goal : Minimize cost

minimize cost(W,b)

Next Lec, How to minimize cost?