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 

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

Goal : Minimize cost

     minimize cost(W,b)