Algorithms 구성

• Algorithms (1) - Machine learning basic 기초
• Algorithms (2) - Machine learning linear regression (1)
• Algorithms (2) - Machine learning linear regression (2)
• Algorithms (2) - Machine learning linear regression (3)
• Algorithms (2) - Machine learning linear regression (4)
• Algorithms (3) - Machine learning logistic regression (1)

Linear regression (선형 회귀)

변수 사이의 관계

• 확정적 관계

x 변수만으로 y를 100% 표현 (오차 없음)

ex) force = f(mass, acceleration), distance = f(velocity, time)

• 확률적 관계

ex) 포도주 가격 = f(강우량, 온도, 포도품종) + ε

Francis Galton

relationship of height between father and son

선형 회귀 모델 (linear regression)

선형회귀 모델: 출력변수 Y를 입력변수 x들의 선형 결합으로 표현한 모델

선형결합: 변수들을 (상수 배와) 더하기 빼기를 통해 결합

      Y = B + B1 X1 + B2 X2 + ... Bp Xp

• x 변수가 한개 인 경우: Y = B0 + B1 X (직선식)

B0 = intercept (절편), B1 = slope (기울기)

purpose of linear regression

• to interpret the relationship between x and y
• to predict the output value y

Regression model types

선형회귀는 가장 데이터에 알맞은 함수 (line)를 찾는 것 (Find the best fit line of different lines)