2. 선형 회귀모형(Linear Regression)

2. 선형 회귀모형(Linear Regression)

완료: Yes
과목: 데이터 사이언스

1. 선형 회귀모형: 회귀/지도학습/Parametric Method

학습의 목적

: X와 y의 관계를 잘 나타내는 패러미터를 찾는 것.

비용(Cost)

: 현재 패러미터로 주어진 데이터를 얼마나 잘 표현할 수 있는지 측정하는 함수

$$
cost = f(y, ŷ) = \sum_{i=1}^{n}(y^{(i)}-ŷ^{(i)})^2
$$

y: 데이터의 실제 레이블 값

ŷ: 현재 파라미터를 가지고 예측한 레이블 값

$$
\theta_0 = 3, \theta_1=1
$$

각각 \theta(변수)에 대입해서 계산 비용이 작을 수록 그 모델을 설명하는 가장 적합한 파라미터

비용함수를 편미분해서 연립하여 파라미터를 구함!!!

2. 선형회귀의 확장

2-1. 다중회귀 모형

→ 독립변수의 개수가 많아진다. X_1, X_2…

2-2. 기존 선형회귀모형의 가정

• 독립성: 서로 다른 변수간에는 독립적이다.
• 선형성: 독립변수의 증가에 따라 종속변수가 비례하여 바뀐다. (변수간의 시너지 효과를 모델링할 수 있다.)
• Non linearity: 다차식으로 표현.

end.