가장 훌륭한 예측선
딥러닝의 가장 말단에서 이루어지는 기본적인 두 계산 원리

• 선형 회귀
• 로지스터 회귀

선형 회귀

선형 회귀 정의

x = 정보(독립 변수) - 독립적으로 변할 수 있는 값
y = x에 따라 변하는 결과값(종속 변수) - 독립 변수에 따라 종속적으로 변하는 종속 변수

독립 변수 x 하나로 설명이 힘들면 x1, x2, x3 등 x값을 여러 개 준비

• 하나의 x값으로 가능 -> 단순 선형 회귀
• x값이 여러개 필요 -> 다중 선형 회귀

가장 훌륭한 예측선

일차함수에서 가장 훌륭한 예측선을 그리려면 기울기 a와 y절편 b를 정확히 예측해야함

최소 제곱법
기울기 구하기

y절편 구하기

y = ax + b에 (x평균값, y평균값 대입)

파이썬 구현

import numpy as np

x = np.array([2, 4, 6, 8])
y = np.array([81, 93, 91, 97])

mx = np.mean(x) #mean은 평균계산 메소드
my = np.mean(y)

divisor = sum([(i - mx)**2 for i in x]) #분모
def top(x, mx, y, my):
  d = 0
  for i in range(len(x)):
    d += (x[i] - mx) * (y[i] - my)
  return d
dividend = top(x, mx, y, my) #분자

print("분모 : ", divisor)
print("분자: ", dividend)

a = dividend / divisor
b = my - (mx*a)

print("기울기 a = ", a)
print("y 절편 b = ", b)