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

위키 백과

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