4주차-Multiple features

• Batch Gradient Descent

 

• Stochastic Gradient Descent

 

• Linear Regression with Multiple features(input)

• Model parameters

w1~w4: 집 값을 예측하는데 각 feature가 기여하는 정도
=> 부호(+/-)는 비례/ 반비례 관계 설명
w0: 기본 가격

 

• Loss function

• Update rule

 

• Feature Scaling

Ex)

• Feature size and Gradient desent

• non-scaled faeature

• Scaled feature

 

• Scalers
• MinMaxScaler

각 feture마다 적용

 

• Mean Sclaer

• Standard Scaler

 

EX)

 

• Termination condition(종료 조건)

1. #iter을 미리 지정
2. ε (작은 값)을 정의, Loss의 변화량이 ε보다 작으면 STOP!
3.  Validation set에 대한 Loss가 증가하기 직전 시점으로!

 

• Choosing the learning rate