※본 포스팅은 직접 강의하는 내용이 아닌, 김성훈 교수님의 머신러닝 강의를 정리하기 위한 포스팅입니다.
김성훈 교수님의 강의는 모두를 위한 머신러닝/딥러닝(http://hunkim.github.io/ml)에서 들을 수 있습니다.
여러개의 입력 값으로 Linear Regression
X1(quiz 1) |
X2 (quiz 2) |
X3 (midterm1) |
Y(final) |
73 | 80 |
75 |
152 |
93 |
88 |
93 |
185 |
89 |
91 |
90 |
180 |
96 |
98 |
100 |
196 |
73 |
66 |
70 |
142 |
학습목표 : Quiz1, Quiz2, Midterm의 성적이 있을 때 Final score를 예측하는 것
Hypothesis
Cost function
cost function의 핵심은 우리가 예측한 값과 실제 값의 차이
이와 같이, 입력 값이 더 많더라도 동일하게 수를 늘려주면 된다. 그러나 값이 많아질수록 처리가 번거로워진다.
어떻게 하면 간단하게 처리할 수 있을까?
Matrix multiplication를 이용해 Hypothesis를 간단하게 표현할 수 있다.
Hypothesis using matrix
Hypothesis 1 :
Hypothesis 2 :
1번 가설과, 2번 가설은 수학적으로 동일한 의미이다. 그러나 이론에서 공부한 Hypothesis 1을 텐서플로우로 더 쉽고 편하게 구현하기 위해 Hypothesis 2와 같이 표현한다.
Many x instances
matrix의 놀라운 장점은 instance의 수대로 matrix를 만들어도 곱을 할 수 있다.
위의 수식과 같이 [5, 3]의 행렬과 [3, 1]의 행렬을 곱해서 [5, 1]의 행렬의 값을 얻을 수 있다.
이처럼 instance의 수와 관계없이 동일한 가설의 식을 이용해 텐서플로우로 구현할 수 있다.
'IT 기록 > 머신러닝' 카테고리의 다른 글
[머신러닝]04-3.TensorFlow로 파일에서 데이터 읽어 오기 (0) | 2018.07.24 |
---|---|
[머신러닝]04-2.multi-variable linear regression TensorFlow 구현 (0) | 2018.07.23 |
[머신러닝]03-2.Linear Regression의 cost 최소화 Tensorflow 구현 (0) | 2018.07.11 |
[머신러닝]03-1.Linear Regression의 cost 최소화 알고리즘 (0) | 2018.07.09 |
[머신러닝]02-2.Linear Regression 실습 (0) | 2018.07.03 |
댓글