1. 이번에도 손으로 Cost Function
1) 만약 주택의 넓이와 가격이라는 데이터가 있고 주택가격을 예측한다면
지도학습(Supervised Learning)
: 학습 데이터 각각에 정답(주택 가격)이 주어져 있는 것
회귀(Regression)
: 주택 가격을 연속된 값으로 예측하는 것은 회귀(Regression) 문제
2) 머신러닝 모델 만들기
만약 1차 함수라면
3) 선형 회귀
실제로 데이터(점 세 개)와 구해야 할 모델(h)
먼저 각각의 에러를 구하고
만약 주택의 넓이와 가격이라는 데이터가 있고 주택가격을 예측한다면
각각의 에러를 제곱하고
에러 각각을 제곱하고 평균을 구함
3) Cost Function: 에러를 표현하는 도구
- 내가 정한 모델에다가 어떤 값을 넣으면 예측값이 튀어나옴.
- 예측값에서 참값을 뺀 것 => Error !
- 아래의 식의 본질은 Error를 줄이는 것 (에러가 작을수록 좋음.)
=> 결국 Cost Function은 작은 값을 가질수록 좋은 것!
=> Cost Function의 최소값을 찾는게 매우 중요함!
4. Cost Function
5. GRadinet Descent
6.
7. 간단한 예제 하나 - Boston 집값 예측
- cf) RMS가 커지면 성능은 나빠짐
