인공지능 5주차

Scikit learn parameter

• fit (X, y) 학습
  • X{array} of shape (n_samples, n_features)
• Predict (X) : 예측
  • X{array} of shape (n_samples, n_features)

 

ex)

 

중요 포인트 : 학습 데이터의 수가 2차원, 학습 데이터의 특성이 1차원이다!

---

선형 회귀

• 평균 제곱 오차(Mean Squared Error, MSE)
  오차의 합에 이어 각 X값의 평균 오차를 이용
  위에서 구한 갑을 n으로 나누면 오차의 합의 평균을 구할 수 있음

 

예제1)

 

MSE = ((70 - 80)^2 + (80 - 84)^2 + (90 - 92)^2 + (94 - 90)^2) / 4

         = (100 + 16 +  4 + 36) / 4

         = (156) / 4

         = 39

 

예제2)

 

MSE = ((78 - 80)^2 + (82 - 84)^2 + (88 - 92)^2 + (96 - 94)^2) / 4

         = (4 + 4 + 16 + 4) / 4

         = (28) / 4

         = 7

 

• 오차 수정 : 경사 하강법
  
  • 그래프에서 오차를 작은 방향으로 이동. 미분 기울기 이용
  • 미분을 하면 순간 기울기가 구해짐
  • 미분값이 0인 지점이 오차가 가장 작은 지점
  • 미분 값으로 기울기를 구한 후, 기울기 반대 방향으로 학습률 * 기울기 만큼 움직임
    
    
  • 학습률이 낮을 때, 학습은 오래걸리지만, 정답을 찾을 확률은 높음
  • 학습률이 높을 때, 학습속도는 빠르지만, 정답을 놓칠 확률이 높음
• 예제1

• 예제2

x = 7,           y` = 10,        0.3 * 10 = 3

x = 4,           y` = 4,          0.3 * 4 = 1.2