[모두의 딥러닝]ML lec 02 - Linear Regression의 Hypothesis 와 cost 설명

참고 : https://www.youtube.com/playlist?list=PLlMkM4tgfjnLSOjrEJN31gZATbcj_MpUm

모두를 위한 딥러닝 강좌 시즌 1

 

모두를 위한 딥러닝 강좌 시즌 1

www.youtube.com

​

Predicting exam score : regression

​

10시간 공부했더니 90점을 맞았다

9시간을 공부했더니 80점을 맞았다 .... 등등의 데이터를 가지고 학습을 하는 걸 training 이라고 한다

​

7시간했다면 -> regression 이 예측해준다

---

​(Linear) Hypothesis

 

한번 그래프를 만들어본다. 데이터를 바탕으로.

저렇게 일차방정식이 되겠구나 하고 가설을 세운다.

저 중에 어떤 선이 제일 좋은가?

Which hypothesis is better?

W와 b에 따라서 달라질 것 이다.

​

우리가 세운 가설과 실제 데이터의 차이를 계산하는 게 좋다.

저 표현보다는 제곱을 해주는 게 더 좋다.

이런걸 cost function 이라고 한다.

차이의 평균을 구하기 -> cost function!

여기서 m은 데이터의 갯수.

가장 차이(값)을 작게 만드는 W와 b를 구해야할 것이다.

그래야 cost 값이 최소화 되니까~