머신러닝 선형회귀 (ML, Linear regression)

머신러닝 선형회귀 (ML, Linear regression) Start

BioinformaticsAndMe

선형 회귀 (Linear Regression)

: 가장 기본적이고 널리 사용되는 기계 학습 알고리즘 중 하나

: 선형 회귀 분석은 가장 적합한 직선(회귀선)을 사용하여 종속 변수(Y)와 하나 이상의 독립 변수(X) 간의 관계를 모델링

: 관계의 특성은 선형

Y = w1*X1 + w0

   = b1*X1 + b0

      # w1:   기울기(특성 1의 가중치)

# X1:    입력값(특성)

# w0:   y절편(편향값)   

# Y:     출력값(라벨)

Multiple Linear Regression(다중선형회귀)은

여러 특성을 사용하여 좀 더 정교한 모델을 제시

학습 및 손실

: 모델의 학습은 라벨이 있는 데이터로부터 올바른 가중치와 편향값을 결정하는 것

: 지도 학습에서 머신러닝 알고리즘은 다양한 예를 검토하고 손실을 최소화 하도록 모델링

: 손실은 잘못된 예측에 대한 벌점 (=모델의 예측이 얼마나 잘못되었는지를 나타내는 수)

: 모델의 예측이 완벽하면 손실은 0이고, 그렇지 않으면 손실은 그보다 커짐

: 모델 학습의 목표는 모든 예에서 평균적으로 작은 손실을 갖는 가중치와 편향의 집합을 찾는 것

(from. 구글머신러닝단기집중과정)

평균제곱오차 (Mean Square Error; MSE)

: 평균 제곱 오차(MSE)는 실제 데이터 포인트와 예측 결과 간의 제곱 차이의 평균

: 이 방법은 평균에서부터 거리가 멀어질수록 벌점을 부과

: MSE는 머신러닝에서 흔히 사용되지만, 모든 상황에서 최적의 손실 함수는 아님

#Reference

1) https://acadgild.com/blog/linear-regression

2) https://developers.google.com/machine-learning/crash-course

3) https://sebastianraschka.com/faq/docs/closed-form-vs-gd.html

4) http://jacob-yo.net/tag/udemy/

5) https://towardsdatascience.com/supervised-learning-basics-of-linear-regression-1cbab48d0eba

머신러닝 선형회귀 (ML, Linear regression) End

BioinformaticsAndMe