miiingo riiingo

Chapter 11. 예측 모델 만들기 실습(2) - 머신러닝을 이용한 선형 회귀 모델 머신러닝 코드 및 결과 해석 설명 머신러닝 코드 실행 결과? - 기울기 - Y절편 전통적 회귀와 비교하는 것이 포인트 # 기계학습용 라이브러리인 텐서플로를 임포트 합니다. # 학습도구 : 예제 데이터 -> 데이터 지정. 기울기=1, Y절편=0 # parameter : 기울기(slope)와 Y절편(intercept) -> 전통적인 회귀와 달라지는 지점 (여기부터!) -> 기울기와 Y절편에 랜덤 값을 지정 # 플레이스 홀더 선언. 지금은 뭔지 몰라도 됩니다 # 어떤 모델 만들겁니까? 네 단순선형회귀니까 1차방정식 -> 학습 목적 설정 # 학습을 진행하려면 내가 현재까지 얼마나 틀리고 있는지 알아야 합니다. # 그 틀린정도..

Chapter 9. 아, 이제야 이해할 수 있다 - 회귀분석 vs. 머신러닝 전통적 회귀 방식 X = [1, 2, 3, 4, 5] Y = [1, 2, 3, 4, 5] X로 Y를 예측하는 모델 -> 단순선형회귀 => Y = X 변화 패턴에 기반해서 최적의 방정식을 찾는 것 Y = AX + B 최적의 Parameter(A, B) 값을 찾는 것 MSE를 최소화하는 LMS(최소제곱법) 데이터가 각각 백만 개라면? 오차 제곱 평균(MSE)을 다 구해서 비교 (백만 개 전부..) -> 너무 불편! 불가능! Y = AX + B - A = r·Sy/Sx - B = Y바 - A·X바 - r : 상관계수 - x : 표준편차 - X바, Y바 : 평균 => 이 공식을 이용하면 노가다 하지 않아도 공식으로 Parameter 구..