Linear Regression

: 주어진 데이터를 나타내는 최적의 직선을 찾아냄으로써 input(x) 와 output(y) 사이의 관계를 도출해내는 과정

• $m$ : training examples 개수
• $x's$ : "input" varilable 또는 features
• $y's$ : "output" variable 또는 "target" variable
• $(x,y)$ : 하나의 training example
• $(x(i),y(i))$ : i-th training example

Linear Hypothesis

: 어떤 input(feature)과 output(target)에 대한 linear한 관계 선을 찾는 것

$H(x) = W_x + b$

Cost function (loss function)

가장 잘 맞는 직선을 선택하기 위한 cost function
$(H(x) - y)^2$
LSE (Least squared error)

⇒ 이 cost function은 MSE (mean-squared-error)를 의미함

목표 : Minimize cost

: 가장 작은 Cost 를 구하는게 linear regression의 학습

참고 강좌 : 모두를 위한 딥러닝 강좌
참고 사이트 : Wikidocs