선형 회귀는 점 집합에 가장 적합한 직선 또는 초평면을 찾는 방법입니다. 이 모듈에서는 선형 회귀를 직관적으로 살펴본 후 선형 회귀를 위한 머신러닝 접근 방식의 기반이 됩니다.
ML로 전환하기
데이터에서 학습
- 데이터에서 학습하는 방법은 다양합니다.
- 하지만 간단하고 익숙한 것부터 시작해 볼 수 있습니다
- 단순하게 시작하면 널리 쓰이는 여러 방법을 사용할 수 있습니다.
회귀의 편리한 손실 함수
주어진 예에 대한 L2 손실은 제곱 오차라고도 합니다.
= 예측과 라벨 차이의 제곱
= (관찰 - 예측)2
= (y - y')2
데이터 세트에서 L2 손실 정의
$$ L_2Loss = \sum_{(x,y)\in D} (y - prediction(x))^2 $$
\(\sum \text{:We're summing over all examples in the training set.}\) \(D \text{: Sometimes useful to average over all examples,}\) \(\text{so divide by} {\|D\|}.\)