<Cost Function
cost function 을 사용해서 hypothesis 함수의 정확도를 측정할 수 있다. input x 와 실제 아웃풋으로 y 를 가지는 hypothesis 의 모든 결과들의 average difference 를 가진다. 이는 또는, 예측되는 값과 실제값 사이의 차이를 나타낸다. 이 함수를 "Squared error function", "Mean Squared error" 이라고도 부른다. mean 은 gradient descent 를 연산하기 위한 편의에 의해서 반으로 나눈다. 왜냐하면 square 함수의 파생용어는 1/2 용어를 상쇄할 것이다. --> coursera machine learning andrew Ng
X(i) : 입력변수, Y(i) : 출력변수 (X(i), Y(i)) : training set --> 학습하는데 사용하게 될 데이타셋 supervised learning problem을 좀 더 형식적으로 설명하기 위해, 우리의 목표는 training set을 받는 것이고 h : X ---> Y 함수를 학습시키는 것이다 그래서 h(x) 는 y 에 해당하는 값을 위한 "good" predictor 이다 우리가 예측하고자 하는 타겟변수가 continuous할 때, 부동산 가격예제 처럼, 우리는 이 learning problem을 regression problem이라고 부른다. y 가 작은 discrete 값들의 형태로 보여준다면 (예를 들어, 거주지가 하우스인지 아파트인지) 이는 classification p..