Notice
Recent Posts
Recent Comments
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 | 31 |
Tags
- struct
- Class
- overriding
- 비선형모델
- MapReduce
- local minimum
- 최소제곱법
- call by reference
- Linear Regression
- 지도학습
- 딥러닝
- 머신러닝
- virtual function
- Effective C++
- inheritance
- 비선형 함수
- 회귀
- member function
- Overloading
- Machine learning
- Nonlinear Model
- 맵리듀스
- regression
- Nonlinear Function
- 선형모델
- kubernetes
- call by value
- c++
- 회귀학습
- least square
Archives
- Today
- Total
목록최소제곱법 (1)
J's Study log

Least Square 먼저 이번 글을 통해 Least Square 방식에 대해서 알아보자! 우선 우리가 Least Square를 수행하는 목적은 아래 가설함수(Hypothesis)의 Cost function을 최소화 하는 것이다.(이전 글 참고) Cost 함수 J의 실제 그래프가 아래와 같다 가정을 해보자. 우리는 Least Square을 사용해서 아래 사진과 같이 Cost Function이 가장 낮게 나오는 (𝜃1,𝜃2) 값을 찾아볼 것이다. 최소제곱법에서는 이 Cost 함수를 최소화하는 𝜃1와 𝜃2를 찾기 위해 미분을 사용한다. 아래와 같이 미분을 통해 Cost 함수의 기울기가 0이 되는 지점, 즉 최소값을 갖는 지점을 찾을 수 있다. 그리고 이 값들이 바로 최적의 𝜃1와 𝜃2, 즉 우리가 찾고자 ..
Machine Learning/Supervised Learning(감독학습)
2023. 6. 30. 20:07