why_n-1_gradient_explanation
Differences
This shows you the differences between two versions of the page.
| Both sides previous revisionPrevious revision | |||
| why_n-1_gradient_explanation [2025/09/04 13:04] – hkimscil | why_n-1_gradient_explanation [2025/09/04 16:26] (current) – hkimscil | ||
|---|---|---|---|
| Line 1: | Line 1: | ||
| + | ====== mean X를 중심으로 x값들을 구해서 (x-v)에 사용하는 경우 ====== | ||
| + | |||
| < | < | ||
| # | # | ||
| Line 96: | Line 98: | ||
| 다시 설명하면 위의 코드는 [sum(x-mean(x)^2 / n]을 (= ms값 혹은 분산값임) 구하는 식에 mean(x)대신에 다양한 x값을 넣어 본 것이다. 그리고, 이 때 ms값 중에서 최소값이 되는 지점을 찾아서 이 때 사용된 v값을 (mean(x)대신에 사용된) 알아 본것이다. 이 v값이 mean(x)이 되는 것을 확인하여 mean(x)값으로 빼서 구한 SS값이 가장 작은 ms값을 (혹은 SS값을) 갖는다는 것을 보여준다. | 다시 설명하면 위의 코드는 [sum(x-mean(x)^2 / n]을 (= ms값 혹은 분산값임) 구하는 식에 mean(x)대신에 다양한 x값을 넣어 본 것이다. 그리고, 이 때 ms값 중에서 최소값이 되는 지점을 찾아서 이 때 사용된 v값을 (mean(x)대신에 사용된) 알아 본것이다. 이 v값이 mean(x)이 되는 것을 확인하여 mean(x)값으로 빼서 구한 SS값이 가장 작은 ms값을 (혹은 SS값을) 갖는다는 것을 보여준다. | ||
| + | |||
| + | |||
| + | ====== 리소스를 많이 사용하지 않고 msr값이 최소가 되는 v값을 찾는 방법 ====== | ||
| 위 방법의 단점은 x.span의 값을 길게 나열하여 한번씩 넣어서 msr값을 구하여 최소값을 보는데 리소스를 너무 사용한다는 것이다. | 위 방법의 단점은 x.span의 값을 길게 나열하여 한번씩 넣어서 msr값을 구하여 최소값을 보는데 리소스를 너무 사용한다는 것이다. | ||
why_n-1_gradient_explanation.txt · Last modified: 2025/09/04 16:26 by hkimscil