[Machine Learning - google developers] ML로 전환하기 - 선형 회귀 / 학습 및 손실

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

 

Step1. ML 문제로 표현하기

 

Step2. ML로 전환하기

● 선형 회귀

y′: 예측된 라벨(얻고자 하는 출력) 

b: y절편

$x_{i}$: 특성

$w_{i}$: 해당 특성에 대한 가중치 -> 기울기 

 

● 학습 및 손실

- 학습: 라벨이 있는 데이터로부터 올바른 가중치와 편향값을 학습(결정)하는 것

- 경험적 위험 최소화: (지도 학습에서 머신러닝 알고리즘은) 다양한 예를 검토하고 손실을 최소화 하는 모델을

                             찾아봄으로써 모델을 만들어내는 과정

- 손실: 한 가지 예에서 모델의 예측이 얼마나 잘못되었는지를 나타내는 수

  손실 함수 - 제곱 손실   

  

 (MSE: 평균 제곱 오차)

 

 

- (x,y)에서 x는 특성 집합, y는 실제 결과(라벨)

- prediction(x): 특성 집합(x)과 결합된 가중치 및 편향의 함수

- D는 (x,y) 쌍과 같이 여러 라벨이 있는 예가 포함된 데이터 세트

- N은 D에 포함된 예의 수

 

* MSE는 모든 상황에서 최선인 유일한 손실 함수는 아니다