Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | |||||
3 | 4 | 5 | 6 | 7 | 8 | 9 |
10 | 11 | 12 | 13 | 14 | 15 | 16 |
17 | 18 | 19 | 20 | 21 | 22 | 23 |
24 | 25 | 26 | 27 | 28 | 29 | 30 |
Tags
- Python
- 댓글쓰기
- 팔로우 기능 에러
- 프로필사진 업로드
- test.py
- 이진 논리 회귀
- js
- Django
- 비밀번호 수정
- original set
- class view
- 북마크한 목록 가져오기
- serializer
- 프론트엔드
- docker
- 와이어프레임
- API명세
- 백엔드
- 댓글지우기
- CNN
- ERD
- json to db
- 팀프로젝트 기획
- 다항 논리 회귀
- python to json
- 딥러닝
- 머신러닝
- DRF
- 장고
- 개인페이지
Archives
- Today
- Total
목록original set (1)
코딩 개발일지
머신러닝 기초 - 선형회귀, original set, 간단한 용어 설명
선형회귀 선형(linear)이란 말을 생각해보자. 그래프에서 직선을 긋고 그 직선을 토대로 x값에 대응하는 y값을 예측하는것을 선형회귀라고함. 우리는 정확하게 예측하기 위해 우리가 만든 임의의 직선(가설)과 점(정답)의 거리가 가까워지도록 해야한다. ( = mean squared error) 그 거리가 최소화될수록 잘 학습되었다. 라고 말할 수 있는 것이다. 입력변수가 여러개면 다중선형회귀라고 하고, 원리는 똑같다. 실무에서도 직선이 아닌 매우 고차원의 그래프를 그리게 되지만, 결국 원리는 전부 1차함수에서 비롯된다. 왜냐하면, 고차원도 결국 직선의 연속을 합쳐서 만든 것이기 때문이다. 접선을 생각하면 이해하기 쉬울듯? 따라서 간단한 선형 회귀 문제의 경우는 그래프를 그릴 수는 있지만 실무에서 복잡한 가..
AI 본 교육/AI 10주차
2023. 10. 17. 11:42