์์ ๋ก ๋ง๋ณด๋ ๋ฅ๋ฌ๋
์์ ๋ก ๋ฅ๋ฌ๋์ ์๋ฆฌ๋ฅผ ๋์ผ๋ก ๋ณด๋ฉด์ ์ตํ๋ณด๊ฒ ์ต๋๋ค.
(4.8) ์๊ฐํ 20๊ฐ
์๊ฐ์ 544๋ช
๋์ด๋ ์ ๋ฌธ
์๊ฐ๊ธฐํ ๋ฌด์ ํ

- ๋ฏธํด๊ฒฐ
W ์ ๋ฐ์ดํธ
์ด์ด์ ์ง๋ฌธ๋๋ฆฝ๋๋ค. w๊ฐ์ด ์ ๋ฐ์ดํธ๋๋ฉด์ y_pred๊ฐ์ด y์ ๊ทผ์ ํด๊ฐ๋ ๊ณผ์ ์ ์ ๋ดค์ต๋๋ค. ๊ทธ๋ฐ๋ฐ, ์ฌ๊ธฐ์ LOSS๊ฐ 2์ฐจํจ์๋ชจ์์ด๋ผ๋ฉด
๋ฅ๋ฌ๋excelVBASuji Cho
ใป
7๋ฌ ์
0
62
2
- ๋ฏธํด๊ฒฐ
W_new์ ์ ์
์๋ ํ์ธ์. ๊ฐ์ฌํ ์ ๋ฃ๊ณ ์์ต๋๋ค.W_new = W_old - LearningRate*(dLoss/dw)๋ก ์ ์๋๊ณ , ์ฌ๊ธฐ์ dLoss/dw = (y_pred
๋ฅ๋ฌ๋excelVBASuji Cho
ใป
7๋ฌ ์
0
52
1






