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 |
Tags
- Router
- 스위치
- 운영체제
- 신경망 첫걸음
- Network layer
- 밑바닥부터 시작하는 딥러닝
- 딥러닝
- 리눅스
- demultiplexing
- Class Activation Map
- 모두를 위한 딥러닝]
- 디바이스 드라이버
- 신경망
- 펌웨어
- TensorFlow
- 3분 딥러닝
- GPIO
- 모두를 위한 딥러닝
- Transport layer
- Switch
- 텐서플로우
- function call
- 인터럽트
- Interrupt
- LED 제어
- file descriptors
- Generalized forward
- LED
- Linux
- RDT
Archives
- Today
- Total
건조젤리의 저장소
[ML] Normal Equation의 증명 본문
코세라 강좌 중 Andrew Ng 교수님의 Machine Learning 강좌에서 언급되었던 Normal Equation에 대해 알아보자.
Normal Equation은 경사 하강법으로 가중치를 구할때와는 다르게 반복없이 가중치를 구할 수 있는 방법이다.
강좌에서 나온 식은 밑의 식과 같다.
강좌에서는 이 식을 증명하는 과정이 빠져 있는데, 다음의 블로그에서 증명하는 법을 찾을 수 있었다.
링크1: https://eli.thegreenplace.net/2014/derivation-of-the-normal-equation-for-linear-regression/
'공부 기록 > 인공지능' 카테고리의 다른 글
[ML] 코세라 머신러닝 강의 팁 (0) | 2020.01.06 |
---|---|
[ML] Backpropagation의 이해 (0) | 2020.01.06 |
케라스로 구현하는 RNN (0) | 2019.06.25 |
[골빈해커의 3분 딥러닝 텐서플로맛] 정리 (2) | 2019.02.27 |
[골빈해커의 3분 딥러닝 텐서플로맛] 리뷰 (0) | 2019.02.27 |
Comments