02. 모델표현(Model Representation)

우선 Linear Regression(선형 회귀)알고리즘을 통해 공부를 진행했음

(Supervised Learning, 지도 학습)

-----------------------------------------------------------------------------

Machine Learning에서 결과를 예측하기 위해 우선적으로

모델을 표현해야 함

즉. 가설을 세워야 함

예를들어

땅 크기(input) 에 따른 집값(output)의 데이터셋이 있다면

1. 컴퓨터는 이 Size와 Price 데이터 셋을 통해 학습을 한다

2. 학습을 통해 실제 결과값(X표시)와 차이가 크지않은 직선을 구하게 된다

3. 학습을 통해 최적의 위치를 찾았고 이를 근거하여 1250Size일 경우의 Price를 예측한다

이 때 직선을 구하기 위한 과정 중 첫 번째로 가설(Hypothesis) 을 세워야 한다

다음은 가설을 통해 기계학습을 하는 전반적인 과정이다

h(x) : 가설

input이 많아져도 h(x)의 꼴은 크게 바뀌지 않으며 단지 세타가 증가될 뿐이다

h(x) 단순화 : y = ax + b

단지

 a : 세타1

 b : 세타0

결론: 머신러닝을 하기 전 선형회귀 알고리즘에서는 가설(Hypothesis)를 먼저 구상해야 한다

-----------------------------------------------------------------------------------------------------

Coursera 사이트의 인공지능 강의를 토대로 작성됨