Intro

• 딥러닝은 자그마한 통계의 결과들이 무수히 얽히고설혀 이루어지는 복잡한 연산의 결정체
• 딥러닝의 가장 말단에서 이루어지는 가장 기본적인 두 가지 계산 원리
  • 선형 회귀(linear regression)
  • 로지스틱 회귀
• 머신러닝은 제대로 된 선을 긋는 작업부터 시작한다

1. 선형 회귀의 정의

• 독립적으로 변할 수 있는 값 x를 독립 변수
• 독립 변수에 따라 종속적으로 변하는 y 종속 변수
• 선형 회귀
  • 독립 변수 x 를 사용해 종속 변수 y의 움직임을 예측하고 설명하는 작업

단순 선형 회귀(simple linear regression)

• 하나의 x 값만으로도 y값을 설명할 수 있을 때

다중 선형 회귀(multiple linear regression)

• x값이 여러 개 필요할 때

2. 가장 훌륭한 예측선이란?

• 왼쪽이 아래로 향하고 오른쪽이 위를 향하는 일종의 '선형(직선으로 표시될 만한 형태)'
• 선형 회귀를 공부하는 과정은 이 점들의 특징을 가장 잘 나타내는 선을 그리는 과정

$$ y=ax+b $$

• 선형 회귀
  • 최적의 a값과 b값을 찾아내는 과정