선형 회귀 이해 1 소개 회귀 분석 과정을 다음 세 단계로 간단하게 정리할 수 있습니다. 훈련 데이터 세트 (x, y)를 준비합니다. 여기서 x는 독립 변수, y는 종속 변수입니다. 훈련 데이터 세트를 표현할 수 있는 모델을 만들고 가장 근접한 결과를 보여 주는 파라미터를 찾습니다. 새로운 데이터의 x값이 주어질 때 앞에서 얻은 모델을 사용하여 y값을 예측합니다. 모델을 만들 때 종속 변수 y를 독립 변수 x의 일차식으로 표현하면 이를 선형 회귀 라고 말합니다. 그리고 x가 하나의 변수이면 일변량 선형 회귀 , 둘 이상의 변수이면 다변량 선형 회귀 라고 합니다. 이 문서를 작성하면서 사용하는 주요 용어들은 다음과 같습니다. hypothesis - 모델을 나타내는 함수 식 feature - 독립 변수 x의 개별 요소 cost function - 훈련 데이터 세트의 종속 변수 y와 모델의 예측값의 차이를 나타내는 함수 식 2 일변량 선형 회귀 2.1 Hypothesis와 cost function 훈련 데이터의 feature가 한 개일 때 hypothesis는 다음과 같이 표현할 수 있습니다. h θ ( x ) = θ 0 + θ 1 x 1 { h }_{ \theta }(x)={ \theta }_{ 0 }+{ \theta }_{ 1 }{ x }_{ 1 } h θ ( x ) = θ 0 + θ 1 x 1 위의 식에서 x x x 는 데이터의 feature들이고 θ \theta θ 는 찾고자 하는 파라미터들입니다. x 0 = 1 x_0=1 x 0 = 1 라고 하면 위의 식을 다음과 같은 형태로 표현할 수 있습니다. h θ ( x ) = x T ⋅ θ h_\theta(x)=x^T\cdot\theta h θ ( x ) = x T ⋅ θ x = ( x 0 , x 1 ) , θ = ( θ 0 , θ 1 ) x=(x_0,x_1), \theta=(\theta_...