ML lec 02 - Linear Regression의 Hypothesis 와 cost 설명

### Predicting exam score : regression

X(horus) y(socre)

10         90

9           80

3           50

2           30

regression(data) 모델을 넣어주면 결과가 나온다.

요것이 ML의 기본.

### (Linear) Hypothesis - 선 가설

(Linear) Hypothesis가 일상 생활에 적용 가능한 경우가 많음

ex) 시험 공부를 일정 시간 만큼 했을 때, 결과 점수

H(x) = Wx + b

### Cost Function

- How fit the line to our (traning) data

(H(x) - y)^2

해당 선과 데이터 표본의 거리가 적을수록 원하는 값에 가깝다.

이 거리가 적은 값을 구하는 것이 목표이며 TensorFlow를 사용하는 이유겠지?

minimize cost(W,b) 가 목표.

### 참고

https://www.youtube.com/watch?v=Hax03rCn3UI&index=4&list=PLlMkM4tgfjnLSOjrEJN31gZATbcj_MpUm

해당 영상을 바탕으로 작성