- 회귀에서 자주 사용하는 것 : 몸무게, 성적
회귀
- 현대 통계학을 이루는 큰 축
- 회귀 분석은 영국위 통계학자 갈톤(Galton)이 수행한 연구에서 유래
- 회귀분석은 테이터 값이 평균과 같은 일정한 값으로 돌아가련느 경향을 이용한 통계학 기법
- 중요 ----
- Linear Regression은 선형(직선)형태이므로 숫자 형태의 예측에 많이 사용된다
- Logistic Regression은 이진법 결과가 필요할 때 사용 실제로는 [ ∫ ] 이런 모양임 ex) 합격/불합격
- 이론 : X값에 대한 결과가 Y값이다
- Y = W0 + W1 * X1 : W1은 기울기 (핵심은 W값을 구하는 것이다) (미분, 편미분)
- 딥러닝의 파라미터 편집을 W값으로 사용한다
- 비선형 회귀는 딥러닝으로 많이 해결한다
- 다중 선형회귀 : X1값, X2값 (값이 상승하는데 영향을 주는 조건이 늘어남)
- RSS : 모든 오차들의 합
- #1주택가격(실제값) - (W0+W1*#1주택크기)(제곱)(예측값)
- W를 편미분 (W가 중요하다)
경사 하강법
-비용 최소화하기
- W(파라미터)
- 최적 파라미터 : 가장 낮은 경사에 있는 W값
- W 값이 어떻게 변하냐에 따라서 오차값이 변한다
- 목표 : 오차값을 줄이는 것
- R(w) : 5차 함수
- ∂ : round d
- η : 학습률 (업데이트 강도)
- 하이퍼 파라미터 : 사람이 임의로 값을 지정
- 파라미터 : 컴퓨터가 스스로 최적의 값을 찾음
- 경사 하강법은 W0와 W1을 구하는 식이다
'파이썬 (쥬피터) [2021.04.22] > 14일차' 카테고리의 다른 글
파이썬 14일차 - 머신러닝 예제 (선형회귀_bike-sharing-demand_랜덤포레스트회귀) (0) | 2021.05.14 |
---|---|
파이썬 14일차 - 머신러닝 예제 (EDA_bike-sharing-demand) (0) | 2021.05.14 |
파이썬 14일차 - 머신러닝 예제 (경사하강법) (0) | 2021.05.14 |
파이썬 14일차 - 머신러닝 예제 (편미분기본) (0) | 2021.05.14 |