| 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 |
- 앞으로도
- AI
- 감자살려
- 스프링부트
- Linear Regression
- MSE
- GitHub
- 끝이다!!!
- 프론트엔드
- frontend
- 개발자
- 파이썬
- JavaScript
- 코딩
- 에러지옥
- 감자생존기
- seaborn
- 선형 회귀
- springboot
- 백엔드
- 머신러닝
- 데이터베이스
- HTML
- SQL
- 깃허브
- Python
- react
- 비용 함수
- pandas
- CSS
- Today
- Total
목록AI (3)
studio.heelab
선형 회귀: 종속 변수 y" data-og-host="ewhacse.tistory.com" data-og-source-url="https://ewhacse.tistory.com/52" data-og-url="https://ewhacse.tistory.com/52" data-og-image="https://blog.kakaocdn.net/dna/b7jJVs/hyZNi8tQcn/AAAAAAAAAAAAAAAAAAAAAC8GVVFAyGo9X8crCnxCcwUV58JH9ADyaqxyB3aNlYO3/img.png?credential=yqXZFxpELC7KVnFOS48ylbz2pIh7yKj8&expires=1764514799&allow_ip=&allow_referer=&signature=pgFErHRQuThxC8n8Cw0lYef1Rnc%3D
GDGoC AI 1팀의 1주차 학습 내용은 선형 회귀입니다. 아래는 앞으로 스터디 계획입니다. 1. 개념 - 무엇을 하는 알고리즘인가?목적입력값 x로부터 연속적인 출력값 y를 예측-> 선형 회귀: 종속 변수 y와 하나 이상의 독립 변수 x의 선형 상관 관계(linear relationship)를 모델링하는 방법예를 들어, 주택 가격, 기온, 판매량 등과 같은 연속된 값을 예측할 수 있다.수학적 표현 w: 변수의 가중치(기울기), 각 데이터 포인트와 이에 대한 타겟변수(label값)인 y를 추정해서 연관시켜주는 가중치(weight) x: 독립 변수, 다른 변수의 값을 변하게 하는 변수y: 종속 변수, 변수 x에 의해서 값이 종속적으로 변하는 변수. 예측값 (prediction) b: 절편(bias) 회귀 ..
사실 Fact 1. NumPy; 수치 연산(다차원 배열, 행렬 연산)패키지 불러오기import numpy as np 배열 생성하기a=np.array([1,2,3]) #1차원 배열b=np.array([[1,2,3],[4,5,6]]) #2차원 배열c=np.array([[[1,2],[3,4]],[[5,6],[7,8]]]) #3차원 배열*대괄호 수 유의결과 화면 다차원 배열의 속성print(a.shape)print(a.ndim)print(a.dtype)print(a.itemsize)print(a.size)a.shape배열의 형태(차원별 크기)를 튜플로 반환 (예: (3, 4) → 3행 4열)a.ndim배열의 차원 수 (스칼라=0, 벡터=1, 행렬=2, 텐서=3 이상)a.dtype배열 원소의 데이터 타입 (예: ..
