Linear Regression(선형 회귀) 복습
- Hypothesis: 어떤 문제를 다루기 위한 가설
- Cost Function: Hypothesis 검증을 위해 Cost 계산
- Gradient descent: cost의 최소화 목적.
Multi variable linear regression
- 예시) 다중 변수를 토대로 기말고사의 결과 값을 예측한려고 함.
- 다중 변수일 때 Hypothesis를 계산하기 위해서는 행렬의 곱셈(dot product)을 활용한다.
- WX: theory에서 사용. H(x)=Wx+b
- XW: TensorFlow에서 사용. H(X)=XW
구현
- x=data[: , :-1] # 모든 row, 마지막 column은 제외.
-
Matrix를 활용하면, 깔끔한 코드 작성 가능. (변수를 많이 사용하지 않음)
-
Hypothesis: 어떤 문제를 다루기 위한 가설
-
Cost Function: Hypothesis 검증을 위해 Cost 계산
-
Gradient descent: cost의 최소화 목적.
Multi variable linear regression
- 예시) 다중 변수를 토대로 기말고사의 결과 값을 예측한려고 함.
- 다중 변수일 때 Hypothesis를 계산하기 위해서는 행렬의 곱셈(dot product)을 활용한다.
- WX: theory에서 사용. H(x)=Wx+b
- XW: TensorFlow에서 사용. H(X)=XW
구현
- x=data[: , :-1] # 모든 row, 마지막 column은 제외.
- Matrix를 활용하면, 깔끔한 코드 작성 가능. (변수를 많이 사용하지 않음)
공부방