핫소스

변수 3개 각각에 해당하는 w값 3개 필요 x: 입력 데이터 y: 출력 데이터, 예측값, 레이블 초기값: 1 / 일반적으로 랜덤값을 준다. w 3개, b 1개 learning rate: 매우 작은 값 cost = 오차 제곱의 평균값 w1, w2, w3, b 변수에 대한 정보를 tape에 저장하고, tape의 gradient값(기울기 값) 정한다. update를 위해 assign_sub 함수를 사용했다. (learning_rate를 곱한 값을 뺀다.) 1001번 반복 실행하고 50번에 한 번씩 출력한다. i값: 50만큼씩 쭉 증가한다. cost값: 급속히 줄어들다가 일정 구간에서는 줄어들지 않는다. data가 한 matrix에 저장돼있다. slice는 ','를 기준으로 앞 부분은 행, 뒷 부분은 열을 뜻한..

변수가 3개면 가중치도 3개가 된다. 변수의 개수가 늘어난만큼 가중치도 늘어난다. 변수에 따른 가중치가 많아질 때 Matrix multiplication을 사용한다. 첫 번째 매트릭스의 첫 번째 행을 두 번째 매트릭스의 첫 번째 열에 각각 곱한 결과를 저장한다. 이를 반복한다. => 이것을 Dot Product라고 한다. H(x) = XW X행과 열을 계산하기 때문에 X가 앞으로 오게 된다. 데이터의 건수 (instance)가 많을 때도 간단하고 동일하게 표현 가능하다. 매트릭스 연산을 위해서는 앞 변수 매트릭스의 열 수(column 수)과 뒤 가중치 매트릭스의 행 수(row 수)가 동일해야 한다. 결과 매트릭스의 크기는 [앞 매트릭스의 row X 뒤 매트릭스의 column]이 된다. 데이터의 개수와 무..