[모두의 딥러닝] lec 04. multi-variable linear regression

Linear Regression에 필요한 3가지

1) Hypothesis

 

 

 

 

- W: Weight
- b: bias
- 이 두가지를 학습한다.

 

2) Cost(Loss) function

3) Gradient descent algorithm

입력이 여러 개일때 Hypothesis

 

입력이 여러 개일때 Cost function

- Cost func의 핵심: 예측한 값과 실제 값의 차이를 구하는 것

 

입력 값이 n개로 무수히 많아졌을 때?  : Matrix 이용!

 

Hypothesis using Matrix

대문자: Matrix 를 뜻함. 보통 X를 앞에 둠.

- 인스턴스의 숫자대로 matrix를 줄 수 있음. W는 변함없음.

장점) 인스턴스 수가 많을 때 각각의 가설을 계산할 필요 없이, 한꺼번에 계산 가능

 

X [ #instance, #variable] x W [#variable, #H(X)instance] = [#H(X)instance, #Yvariable]

 

N = none (Tensorflow) 표시

 

총정리

- Theory

- TensorFlow (실제 적용)

X를 앞에 둘 경우 matrix로 빠르게 계산 가능

 

==> 두가지가 거의 동일하다.