[Linear Regression] part 2 - 1
๐ฏ Keyword ๐ฏ
- linear model
- MSE
- model parameter
Linear Model
- Hopothesis set H => Input Feature์ Model parameter์ linear combinations์ผ๋ก ์ด๋ฃจ์ด์ ธ ์์ต๋๋ค.
=> ๋จ์ํ๋ค.
=> ์ ๋ ฅ์ด ์ถ๋ ฅ์ ์ผ๋ง๋ ์ํฅ์ ์ฃผ๋์ง๋ฅผ ์ ์ ์๋ค.
=> ๋ค์ํ ํ๊ฒฝ์์ ์์ ์ ์ธ ์ฑ๋ฅ ์ ๊ณต ๊ฐ๋ฅ.
=> ์ ํ ๋ชจ๋ธ์ด๋ผ๊ณ ํด์ ๋ฐ๋์ ์ ๋ ฅ ๋ณ์์ ์ ํ์ผ ํ์๋ ์์ต๋๋ค.
Regression์ Supervised Learning ๋ฌธ์ ์ ํฌํจ๋๊ธฐ ๋๋ฌธ์ ์ฌ์ฉํ๋ data ์ํ์ ๊ตฌ์ฑ์ ์ ๋ ฅ x์ ์ถ๋ ฅ y์ pair๋ก ๊ตฌ์ฑ๋ฉ๋๋ค.
์ด๋, y๋ ์ฐ์์ ์ธ ๊ฐ์ด ๋ฉ๋๋ค.
ํ๋์ ์ ๋ ฅ๋ณ์๋ univaritate problem์ด๋ผ๊ณ ํฉ๋๋ค.
๋ค์ํ ๋ณ์๋ค์ Regression model์ ํฌํจํ๋ ๊ฒ์ multivariate problem์ด๋ผ๊ณ ํฉ๋๋ค.
=> ์ ๋ ฅ ๋ณ์์ ๊ฐ์์ ์ดํด์๋ง ๊ฒฐ์ ๋๋ ์ฐจ์ด์ ๋๋ค.
Linear Regression์ "์ฃผ์ด์ง ์ ๋ ฅ์ ๋ํด ์ถ๋ ฅ๊ณผ์ ์ ํ์ ์ธ ๊ด๊ณ๋ฅผ ์ถ๋ก ํ๋ ๋ฌธ์ "์ ๋๋ค.
- ์ ๋ ฅ๊ณผ ์ถ๋ ฅ ์์ผ๋ก ์ ํ ๋ชจ๋ธ์ ํ์ตํ๊ฒ ๋ฉ๋๋ค.
- ์๋ก์ด ์ ๋ ฅ์ด ๋ชจ๋ธ์ ๋ค์ด๊ฐ์ ๋ ์ถ๋ ฅ์ ๋ด๋๋ ๋ชจ๋ธ์ ๋๋ค.
1. ์ด๋ค predictor๋ฅผ ์ฌ์ฉํ ๊ฒ์ธ์ง?
ํ๋์ ์ ๋ ฅ feature๋ฅผ ์ฌ์ฉํ๋ Hypothesis๋ฅผ Univariate linear model์ด๋ผ๊ณ ํฉ๋๋ค.
์ด ๋, ์ ๋ ฅ feature๋ ํ๋์ด์ง๋ง, model parameter๋ 2๊ฐ์ ๋๋ค.
2. ์ด๋ป๊ฒ ์ค์ฐจ๋ฅผ ์ค์ผ ๊ฒ์ธ๊ฐ?
Linear model์์ loss๋ฅผ ์ธก์ ํ๊ธฐ ์ํด MSE(Min Squared Error)๋ฅผ ์ฌ์ฉํฉ๋๋ค.
=> ๋ชจ๋ธ์ ์ถ๋ ฅ๊ณผ ์ ๋ต๊ณผ์ ์ค์ฐจ์ ๋๋ค.
3. ์ด๋ป๊ฒ parameter๋ฅผ ๊ตฌํ ๊ฒ์ธ๊ฐ?
-> Gradient Descent Algorithm์ด๋ Normal equation์ ์ฌ์ฉ.
์ ํ ๋ชจ๋ธ์ ์ฌ์ฉํ๊ฒ ๋ค๊ณ ํ๋ ์๊ฐ, ๋ชจ๋ธ์ ํํ๊ฐ ์ฃผ์ด์ง๋ ๊ฒ์ ๋๋ค.
loss function ์ญ์ MSE๋ก ์ฌ์ฉํฉ๋๋ค.
๊ทธ๋ฌ๋ฏ๋ก parameter optimization์ ๋ํด ์์ธํ ์์๋ด์ผ ํฉ๋๋ค.
'Artificial Intelligence' ์นดํ ๊ณ ๋ฆฌ์ ๋ค๋ฅธ ๊ธ
[Gradient Descent] part 2 - 3 (0) | 2023.01.14 |
---|---|
[Linear Regression] part 2 - 2 (0) | 2023.01.14 |
[Foundation of Supervised Learning] part 1 - 2 (0) | 2023.01.12 |
[Foundation of Supervised Learning] part 1 - 1 (0) | 2023.01.12 |
Deep Learning ๊ธฐ๋ฐ ์ดํด (0) | 2022.02.21 |