ML lec 02 - Linear Regression의 Hypothesis 와 cost 설명

(Linear) Hypothesis

    H(x) = Wx + b

    W와 b에 따라 가설이 결정된다.

    Which hypothesis is better?

    차이가 적을 때!

Cost function (Loss function)

    $H(x)-y$

    How fit the line to our(training) data  

    $(H(x)-y{)}^2$ 차이를 더 잘 알 수 있다!  

 

     $cost=\sum _{i=1}^m(H(x^{(i)})-y^{(i)}{)}^2$

    여기에 $H(x)=Wx+b$ 을 적용하면 

    $$cost(W,b)=\frac{1}{m}\sum _{i=1}^m(H(x^{(i)})-y^{(i)}{)}^2$$

Goal : Minimize cost

     minimize cost(W,b)