Replicated

1. Simple Linear Regression- 종속 변수와 독립 변수 사이의 선형 관계를 파악하고 이를 예측에 활용하는 기법- X와 y 사이의 관계식: 모델- y = WX + b -> W와 b를 찾는 것이 학습 목표- 두 변수가 선형 관계에 있는지 알아보는 방법: 산점도, 상관계수 import matplotlib.pyplot as pltimport numpy as npimport pandas as pdfrom sklearn.linear_model import LinearRegressionfrom sklearn.metrics import mean_squared_error, r2_scorefrom sklearn.model_selection import train_test_split필요 모듈들 ca..

import numpy as npx = np.array([1, 2, 3]).reshape(-1, 1)y = np.array([2, 3, 5])x_with_intercept = np.c_[np.ones(x.shape[0]), x]w = np.linalg.inv(x_with_intercept.T.dot(x_with_intercept)).dot(x_with_intercept.T).dot(y)intercept = w[0]slope = w[1]print("절편: ", intercept)print("기울기: ", slope)y_pred = x_with_intercept.dot(w)print("예측값: ", y_pred)x는 독립변수.reshape(-1, 1)은 무엇이냐?- reshape 배열의 형태 변경- -1 -..

일단 이걸 최소화시키는 세타를 찾아야 함-> 미분해서 0되는 걸 찾자! Wn에 대해 미분각각에 대해 편미분하면?? 위의 시그마 풀고 w1, w0에 대해 정리하면 이렇게 됨  이걸 이제 행렬에 적용할 필요가 있음일단 각각 편미분한 거 0으로 넣고 간단히 정리하면 위와 같음 각각 X, w, y가 이렇게 있다고 치면X를 트랜스포즈해서 곱할 시 이렇게 나옴 이 식을 풀어 계산하면 맨 처음 편미분한 식이랑 같게 나오고 가중치 w(세타)를 구하는 식을 유도 가능 수식 전개 과정이렇게 표시 가능한데xˉ는 입력값들의 평균을 의미, 1/m 생겼으니 밖으로 m 나옴 행렬식(Determinant) 계산.. 역행렬을 구하기 위함일단 대각선으로 엮어 곱해 빼고m으로 묶고, 마지막으로 분산 공식 ******************..

선형회귀(Linear Regression)- 종속변수 y와 한 개 이상의 독립 변수 x와의 선형 상관관계를 모델링하는 회귀분석 기법- 기존 데이터를 활용해 연속형 변수값을 예측- y = ax + b 꼴의 수식 만들고 a와 b의 값을 찾아냄 어떻게 되어야 기존 데이터를 잘 표현하는가?- 예측값이 실제값 대비 차이가 많이 나지 않는 그래프 예측 함수와 실제값 간 차이- 예측 함수는 예측값과 실제값 간의 차이를 최소화하는 방향..- 데이터 n개 중 i번째 데이터의 y값에 대한 실제값과 예측값의 차이- 데이터가 5개 있을 때 5개 데이터의 오차의 합ŷⁱ − yⁱ (ŷ^(1) − y^(1)) + (ŷ^(2) − y^(2)) + (ŷ^(3) − y^(3)) + (ŷ^(4) − y^(4)) + (ŷ^(5) − y^(..