[머신러닝 공부] 5. 가설의 표현

 

머신러닝 입문자들의 필수코스라고 할 수 있는 앤드류 응 님의 강의를 번역해놓은 아래 브런치를 참고하여 공부하고 핵심내용만 정리해보고자 한다.

 

원문 출처 : brunch.co.kr/@linecard/441

앤드류 응의 머신러닝 강의 (2-1):기설의 표현

---

 

모델을 표현하는 방법에 대해 :

 

회기(Regression) 알고리즘을 따라가며 모델의 전체과정을 설명한다.

 

- 주택 가격을 예측하는 데이터가 있고 내 집은 30평이다. 이를 얼마에 팔수 있는지 예측하고싶다.

 

- 우선 1차원적으로 데이터셋에 부합하는 값을 찾을 수 있을것이다.

 

- 각 학습예제의 정답이 있기때문에 부합하는 값을 알 수 있었다. 이게 지도학습이다. 실제 데이터를 바탕으로 주택가격을 예측했기 때문이다.

 

---

 

지도학습에서 데이터 셋의 공식명칭은 ?

 

Training Set 이라고 한다.

 

---

 

표기법을 정의하자 :

 

m : 학습용 데이터의 수

 

x : 피쳐를 나타내는 입력변수

 

y : 출력값 또는 결과를 예측하기 위한 목표변수

 

(x,y) : 단 하나의 학습용 데이터 값

 

(x^(i),y^(i)) : i 번째 학습용 데이터

 

---

 

간단한 동작 방식 :

 

Training Set 을 Learning Algorithm을 돌려 h (hypoesis : 가설) 을 생성해준다.

 

집의 크기(데이터셋) 를 h를 이용해 연산하면 집의 가격을 도출해 낼 수 있을것이다. (지도학습 : Regression에서)

 

---

 

가설 (h) 의 표현방법 :

 

hθ(x) = θ0 + θ1x

 

이는 x의 선형함수인  y를 예측하는 것이다.

 

따라서 이 함수는 하나의변수를 가진 선형회귀 라고 불린다. 또는 같은 이름으로 단변수 선형회귀 라고도 불린다.

 

이 모형을 구현하는 것은 다음 포스팅에서..