선형회귀

1. 기존의 정보로 가설을 세워, 예측값을 구한다. H(x) = 가중치(Weight) * X + 고유값(Bias) H(x) = WX +b ( 가중치 : 하나의 데이터가, 예측결과에 얼마나 영향을 미치는지 나타낸 수치 ) * 가중치를 변경해가며, 가장 오차가 적은 수치를 찾는다. 2. 예측값 H(x)와, 실제값 y를 비교하여 오차(Cost)를 줄이는 것을 목표로 한다. Cost = H(x) - y ( 오차의 크기(절댓값)가 줄어들수록 정확한 예측 ) 3. 데이터가 많아지면 오차를 모두더하고, 데이터 수로 나누어 오차평균을 구한다. 오차의 크기만 더하기 위해서, 기존의 오차에 제곱을 해준다. ( 절댓값보다 제곱을 활용하는 것이, 코딩 최적화에 효과적이다 ) 총 오차크기 : ( H(x) - y )^2 + ( ..