[직딩잇템] 어서와 데이터는 처음이지 - Part3. 미래 예측을 위한 기초 개념: Chapter 7. 예측을 해보자(2) - 최적의 선을 찾는 방법, 최소제곱법
Chapter 7. 예측을 해보자(2) - 최적의 선을 찾는 방법, 최소제곱법 Model과 Parameter 회귀의 목적 : 데이터간의 관계성을 가장 잘 설명하는 방정식 찾기 회귀분석 = Data-fitting = Modeling Model : 원하는 목표 방정식 (Y = AX + B) 매개변수(Parameter) : Model을 구하기 위해 반드시 필요한 변수 (기울기와 절편) 최소 제곱법 (LMS) 최적의 Parameter를 정확히 어떻게 구할까? x가 1인 경우 - 실제값 (1, 6) - 예측값 (1, 5) 오차 = 실제값 - 예측값 = 1 오차의 평균이 가장 작은 선 = 최적의 방정식 오차의 방향성 (+, -) 존재 오차의 부호를 없애려면? 절대값 or 제곱 최적의 Model #1 (실제값 - 예..
교육 및 세미나
2020. 5. 6. 12:28
반응형
공지사항
최근에 올라온 글
최근에 달린 댓글
- Total
- Today
- Yesterday
링크
TAG
- Private Data
- DOCs
- 문제풀이
- 빅데이터 기초
- 코테
- 암브로셔스
- 직딩잇템
- Hyperledger Fabric v1.2
- 어서와 데이터는 처음이지
- ambrosus
- 빅데이터 교육
- Hyperledger Fabric v1.1
- codility
- 하이퍼레저 인디
- 하이퍼레저 페브릭
- ubuntu
- Hyperledger Fabric
- 빅데이터 강의
- docker
- 코딩테스트
- Blockchain
- 알고리즘
- 기초 of 기초 데이터 개념
- 블록 체인
- Hyperledger Indy
- 빅데이터
- 하이퍼레저 패브릭
- 블록체인
- 코딜리티
- javascript
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 |
글 보관함