선형 회귀: 실수 벡터 입력이 주어졌을 때 선형적 관계를 지닌 출력 실수 벡터 값을 예측
input -> N n
w -> n m
output -> N m
학습: 손실 값을 가중치 파라미터로 미분하면서 손실 값을 낮춤
가중치가 수렴할 때까지 반복
손실 함수는 주로 MSE 사용
수학적 접근: 가중치를 업뎃하는 것은 W, b로 각각 손실 함수를 편미분 한 후 경사하강법을 수행하는 것과 동일
실습: (506, 14) shape를 가진 데이터를 가지고 타깃 예측
데이터 형식: 506개의 샘플, 각 샘플은 14개의 속성을 가지는데 이 중 하나는 타깃값임
절차:
sns.pairplot 통해서 EDA -> 유효해 보이는 속성들만을 추려냄
epoch, learning_rate, print_interval 설정
model 생성 -> x 속성 수, y 속성 수
옵티마이저 생성 -> model 넣고 lr 설정 -> 경사하강 대신 수행
최적화 수행 ->
sns.pairplot -> 결과 확인