[MACHINE LEARNNG] 04 Multi-variable Linear Regression

목차

1. Multi-variable Linear Regression

2. Hypothesis Using Matrix

---

1. Multi-variable Linear Regression(다중 선형 회귀)

Multi-variable Linear Regression 데이터

우리가 지금까지 배웠던 Linear Regression은 변수 X가 한 개, 변수 Y가 한 개 있는 Regression이었다. 하지만 실제로 사용할 데이터에서는 위 사진의 데이터와 같이 변수 X가 여러 개인 경우가 많다. 이럴 때 사용하는 Regression을 Multi-variable Linear Regression(다중 선형 회귀)이라고 한다. 명칭 그대로 독립 변수가 여러 개 일 때 Y를 예측하는 것을 말한다.

 

 

2.  Hypothesis Using Matrix

Multi-variable Linear Regression Hypothesis 공식

Multi-variable Linear Regression의 Hypothesis 식은 위와 같다. 인스턴스가 많거나 변수의 개수가 많은 경우, 이 계산을 쉽게 하기 위해서 행렬을 사용할 수 있으며 행렬을 사용한 식은 "H(X) = XW"로 표현한다. 대문자로 표현한 변수가 행렬이다. 

 

Weight의 크기 결정

행렬 X의 크기가 [5, 3], 행렬 H(X)의 크기가 [5, 1] 일 때 Weight의 크기를 구해보자. 행렬 X의 크기에서 5는 인스턴스의 개수, 3은 변수의 개수를 나타내고, H(X)에서 5는 인스턴스의 개수, 1은 결과 변수의 개수이다. Linear Regression의 결과 변수는 Y 하나이므로 Linear Regression에서 이 값은 항상 1이다. 이 때 행렬 W의 크기는 [행렬 X의 크기에서 변수의 개수, 행렬 H(X)의 크기에서 결과 변수의 개수]로 구할 수 있다. 따라서 위 예시의 경우 Weight의 크기는 [3, 1]이다.

 

 

관련 실습 코드는 아래 깃허브 링크를 참고하면 된다.

https://github.com/CLM-BONNY/DAVIL-DA-ML-Study/blob/main/Deep%20Learning%20For%20All/ML_Lab_04_1.ipynb

GitHub - CLM-BONNY/DAVIL-DA-ML-Study

https://github.com/CLM-BONNY/DAVIL-DA-ML-Study/blob/main/Deep%20Learning%20For%20All/ML_Lab_04_2.ipynb

GitHub - CLM-BONNY/DAVIL-DA-ML-Study

---

출처

모두를 위한 딥러닝 강좌(홍콩과기대 김성훈 교수님)

• ML lec 04 - multi-variable linear regression (*new) https://www.youtube.com/watch?v=kPxpJY6fRkY&list=PLlMkM4tgfjnLSOjrEJN31gZATbcj_MpUm&index=8
• ML lab 04-1 - multi-variable linear regression을 TensorFlow에서 구현하기 (new) https://www.youtube.com/watch?v=fZUV3xjoZSM&list=PLlMkM4tgfjnLSOjrEJN31gZATbcj_MpUm&index=9
• ML lab 04-2 - TensorFlow로 파일에서 데이타 읽어오기 https://www.youtube.com/watch?v=o2q4QNnoShY&list=PLlMkM4tgfjnLSOjrEJN31gZATbcj_MpUm&index=10