모모딥2 - Linear regression- part1

ML의 방법
supervised learning :
labeled 된 (입력에 대한 기댓값 존재)
data set, training set으로 학습하는 것

• 0~100 : regression ( 0 ~ 100까지의 data가있을때)
• pass or fail : binary classification
• A B C D :multi-label classification

unsupervised learning :
labeled 되지 않은 (입력값만 존재 기댓값은 없음)
data들, data들을 보고 스스로 학습

Simple Linear Regression

Regression(회귀)
회귀란? 되돌아 간다는 의미인데
여기서는 전체의 평균으로 수렴하려는 특성을 말한다.

linear regression은
data를 가장 잘 대변하는 직선의 방정식_{(기울기와y절편)}을 찾는것

Hypothesis function(가설함수)
$H (x) = Wx + b$
W : weight
b : bias

Cost function
$Cost(W) = \frac{1}{m} \sum_{i=1}^m(Wx_i-y_i)^2$
여기서 $-y^i$ 부분이 함수값에서 실제값을 빼주는 것이다.
$Cost(W,b) = \frac{1}{m} \sum_{i=1}^m(H(x_i)-y_i)^2$

linear regression의 목표

minimize $Cost(W,b)$를 찾는 것
Cost 함수를 최소화 할수 있을 만한
W와 b를 찾는게 목표다