머신러닝 3주차 1차시 - 다 변수 선형 회귀

 

다변수 선형 회귀

 

이전에는 엔진 파어만을 통해 자동차 가격을 예측했다.

 

비용함수를 최소화하는 값을 찾으면 그 값을 가설에 대입하면 끝이었다.

데이터는 205개가 주어졌다.

cost function은 비슷하다. 그저 하나가 늘은 것 뿐이다.

 

변수가 여러가지라면 벡터로 표현하면 편하다.

벡터로 표현했다.

w*는 최적 값이다.

 

경사 하강법

경사 하강법

 

변수가 한개일 경우

 

변수가 2개 이상일 경우

 

특징의 개수 - n

학습 데이터 개수 - m

 

데이터의 총 개수는 205개이다.

 

w0는 바이어스 파라미터이다. -> x에 1을 하나 추가해준다.

 

이 것도 벡터화 시킬 수 있다.

우리 x0 = 1로 만들어서 굳이 안나눠도 되지 않나...?