[1주차] Regression Model

모든 내용은 앤드루 응 교수님의 강의를 듣고 필자가 정리를 위해서 작성하는 것입니다. 오류가 있을 경우 댓글로 알려주세요.

0. 용어 정리

$Training\ set\ :\ 학습\ 데이터\ 셋$
$x : input\ variable,\ feature$
$y : output\ variable,\ target\ variable$
$m : number\ of\ training\ examples$
$(x, y) : single\ training\ example$
$(x^{(i)}, y^{(i)}) : i^{th} training\ example$
exponent: 거듭제곱

1. Linear Regression Model

Regression model은 값을 예측합니다. (ex: 집 크기에 따른 집 가격)

training set을 learning algorithm에 넣고 학습을 하면 "f"라는 model이 나오게 됩니다.
이러한 f에 x를 넣었을 때의 예측 값을 $\hat{y}$이라고 합니다. $y$는 training set의 실질적인 값인 반면, $\hat{y}$은 추정 값으로 실제 값과 같을 수도 있고, 아닐 수도 있습니다.

앞서 말한 모델 f는 다음과 같이 쓸 수 있습니다.

$f_{w,b}(x) = wx + b$ 이러한 f에 대한 식은 흔히 쓰는 $f(x)$와 같습니다.