<aside> ✏️ 연속된 값을 가진 결과를 예측

</aside>

선형 회귀(Linear regression)

<aside> ✏️ x, y값으로 부터 가장 가까운 1차원 함수를 유도해 내는 것

</aside>

One feature

x의 값이 한개일 때

Model Representation

• m : 학습예제의 수
• x : 입력 변수, 특징(feature)
• y : 출력값, 예측하려는 목표변수
• h : 가설함수, x에서 부터 y 까지의 지도(maps)
• Θi : 파라미터

$$ h_θ(x) = θ_0 + θ_1x $$

비용함수(cost function)

• 가설함수(Hypothesis Function)의 정확도를 평가하기 위한 도구
• 비용함수가 작아질 수록 가설함수의 정확도는 향상
• 목표 : $θ_0,θ_1$ 최소화 $J(θ_0,θ_1)$ > y 에 최대한 가깝게 지나가는 $h_\theta(x)$를 만드는 $\theta$값을 구하는 것

$$ J(θ_0,θ_1)=\frac{1}{2m}∑^m_{i=1}(h_θ(x^{(i)})−y^{(i)})^2 $$

<aside> 📌 제곱 이유 ① 음수값 보정 ② 차이나는 값에 패널티를 부여(더 거리가 멀어지게)

</aside>