[Tensorflow #2] Linear Regression(1)

이 내용은 Sung kim님의 강의를 바탕으로 만들어졌습니다.

기본 개념

H(x) = Wx+b를 찾는 것이 목적
각 데이터(점)에 대해 (H(x)-y)^2의 총합이 가설 그래프와 실제 데이터와의 오차가 됨.
(x일 때 실제 값이 y이며, x일 때 모델이 예측한 값이 H(x)이다.)

이 오차를 cost라고 하며, 이것을 줄이는 것이 목적이다.

따라서 수학적으로 표현하면,

이며, 이 때 cost는 W와 b의 값에 따라 달라지기 때문에 cost(W,b)라고 한다.
그래서 W와 b를 줄이는 것이 목적이 된다.