AI 프로그래밍
선형 회귀와 최소 제곱법 (딥러닝)
애라니라니
2023. 3. 13. 15:36
- 2023.03.13
선형 회귀
▷ 선형 회귀 (Linear Regression)
- 알려진 다른 관련 데이터 값을 사용하여 알 수 없는 데이터의 값을 예측하는 데이터 분석 기법
- 데이터를 가장 잘 대변하는 최적의 선을 찾는 과정
- 일차 함수 y = ax + b
선형 회귀의 중요성
- 비교적 간단하며 예측을 생성하기 위해 해석하기 쉬운 수학 공식 제공
- 확립된 통계 기법
- 다양한 분야의 예비 데이터 분석을 수행과 미래 추세 예측
- SW 및 컴퓨팅에 쉽게 적용
최소 제곱법
- 측정된 값을 기초로 해서 적당한 제곱합을 만들고 그것을 최소로 하는 값
선형 회귀 종류
- 하나의 x값만으로도 y값을 설명 가능한 단순 선형 회귀
- x값이 여러개 필요한 다중 선형 회귀
최소 제곱 예제 // 모두의 딥러닝 - 조태호 : 4강
1. 환경 준비
2. 데이터 준비
2-1. x와 y의 평균값
2-2. 기울기 공식의 분모와 분자
3. 기울기와 y 절편
5. 경사 하강법
6. 그래프 확인
GitHub - taehojo/deeplearning: <모두의 딥러닝 개정 3판> (길벗, 2022)의 소스코드 및 실습 데이터입니다.
<모두의 딥러닝 개정 3판> (길벗, 2022)의 소스코드 및 실습 데이터입니다. Contribute to taehojo/deeplearning development by creating an account on GitHub.
github.com