일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- ssh
- 오블완
- Jupyter notebook
- CellPin
- docker exec
- 프로그래머스
- airflow
- 코크리
- cs231n
- Multi-Resolution Networks for Semantic Segmentation in Whole Slide Images
- 기초확률론
- 티스토리챌린지
- 히비스서커스
- docker attach
- cocre
- 사회조사분석사2급
- Decision Boundary
- GIT
- docker
- WSSS
- Pull Request
- vscode
- HookNet
- aiffel exploration
- 백신후원
- IVI
- logistic regression
- AIFFEL
- 도커
- numpy
Archives
- Today
- Total
목록Housing datasest (1)
히비스서커스의 블로그
[기계학습 2강] Linear Regression
※이 내용들은 (KAIST Open Online Course)의 인공지능 및 기계학습 개론 1 Chap. 2강 내용을 기반으로 재구성하였음을 먼저 밝힙니다.※ Linear Regression :: 가설을 함수의 형태로 앞서 categorical dataset을 예측하기 위해 decision tree를 배울 때 가설을 decision tree로 만들 수 있었다. 이제 numerical dataset을 예측하기 위해 Linear Regression을 배워볼텐데 가설을 함수의 형태로 만들어보자. $\hat{f}(x; \theta) = \theta_{0} + \sum_{i=1}^{n} \theta_{i} x_{i} = \sum_{i=0}^{n} \theta_{i} x_{i}$ 가설의 함수에 대한 두 개의 관점이..
Theory/Machine Learning
2021. 4. 5. 00:39