homebody's blog

TensorFlow(Multi-variable Linear Regression을 TensorFlow로 구현) Hypothesis using matrix # data and label x1 = [73., 93., 89., 96., 73.] x2 = [80., 88., 91., 98., 66.] x3 = [75., 93., 90., 100., 70.] Y = [152., 185., 180., 196., 142.] # weights w1 = tf.Variable(10.) w2 = tf.Variable(10.) w3 = tf.Variable(10.) b = tf.Variable(10.) hypothesis = w1 * x1 + w2 * x2 + w3 * x3 + b 전체 code import tensorflow..

TensorFlow(Multi-variable Linear Regression) Hypothesis Cost function Multi -variable 변수의 개수가 적을 때는 수식을 그냥 전개해도 불편하지 않지만 변수의 개수가 아주 많이 증가하게 된다면 전부 전개하는 방식은 불편하다. 그래서 Matrix가 필요하다. Matrix 표기를 위해서 Matrix multiplication을 사용한다. H(X) = XW Matrix를 사용할 때는 X를 W앞에 쓴다. Matrix를 곱셈 연산할 때는 앞에 있는 행과 뒤에 있는 열을 연산하기 때문이다. Hypothesis using matrix Matrix 연산에서는 앞에 있는 Matrix의 열과 뒤에 있는 Matrix의 행의 개수가 같아야 연산이 가능하다. Ma..

TensorFlow(Linear Regression and How to minimize cost) How to minimize cost? cost function을 그래프로 그려보면 2차 함수 그래프 처럼 나온다. 여기서 최소값을 찾으면 된다. Gradient descent algorithm(경사하강법, 경사하강알고리즘) 경사를 따라 내려가면서 최저점을 찾도록 설계된 알고리즘 Cost가 최소화가 되는 W, b를 찾는다. 변수가 1개나 2개일 때 뿐만 아니라 여러 개일 때도 사용가능하다. 동작 방식 추정을 통해서 W, b를 정한다. 랜덤도 가능 W, b값을 줄어들 수 있도록 조금씩 수정한다. W, b 값을 지속적으로 업데이트할 때 기울기값을 구해서 cost가 최소화 되는 방향으로 업데이트 이 과정을 최소점..