선형 회귀는 점 집합에 가장 잘 맞는 직선 또는 초평면을 찾기 위한 방법입니다. 이 모듈에서는 선형 회귀를 직관적으로 탐구한 후 선형 회귀에 대한 머신러닝적 접근 방식의 기초를 다집니다.
ML로 전환하기
데이터에서 학습
- 데이터에서 학습하는 데는 여러 가지 복잡한 방법이 있습니다.
- 하지만 간단하고 익숙한 방법부터 시작해 보겠습니다.
- 간단한 방법에서부터 시작하면 더 광범위하고 유용한 방법에 접근할 수 있을 것입니다.
회귀에 사용할 때 편리한 손실 함수
주어진 예의 L2 손실은 제곱 오차라고도 합니다.
= 예측과 라벨 간의 차이 제곱
= (관찰 - 예측)2
= (y - y')2
데이터 세트에서 L2 손실 정의하기
$$ L_2Loss = \sum_{(x,y)\in D} (y - prediction(x))^2 $$
\(\sum \text{:학습 세트의 모든 예를 합합니다.}\) \(D \text{: 모든 예의 평균을 내는 것이 유용할 때도 있으며,}\) \(\text{따라서} \frac{1}{\|D\|}를 곱해주기도 합니다.\)