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
- c++
- virtual function
- 회귀
- Linear Regression
- 최소제곱법
- 딥러닝
- kubernetes
- MapReduce
- 머신러닝
- 비선형 함수
- 회귀학습
- 선형모델
- Class
- Machine learning
- member function
- Nonlinear Function
- Overloading
- 비선형모델
- regression
- call by value
- Nonlinear Model
- overriding
- least square
- local minimum
- Effective C++
- struct
- 지도학습
- inheritance
- call by reference
- 맵리듀스
Archives
- Today
- Total
목록local minimum (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