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)=Wx+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