1. “나는 전산과니까 수학 과목은 필수만 들어도 되잖아 (笑)”
라고 생각하고 응용수학을 수강하지 않은 걸 n년째 후회(만)하는 당신도
느낌적인 느낌으로 어쨌든 구현은 할 수 있는
선형 최소 자승 최적화
넥슨코리아 데브캣 스튜디오 파이오니어랩 김주복 (근혜동산 회장 아님)
2017.03.30
ㅣ i n e a r L e a s t - s q u a r e s O p t i m i z a t i o n
2. 들어가기 전에
내가 하는 소리가 맞는지 틀렸는지 나도 모릅니다
수상하면 레퍼런스를 보세요
이미 다 알면서 얼마나 헛소리하는지 보러 온 사람은 돌아가
14. 이걸 우리가 직접 풀 수 잇어 (왜)
문제를 좀 폼나게 적어보면
f는 원본 함수
f(x)는 d차원 공간에서 정의된 m차 다항식
최소 자승 근사 Least Squares Approximation
모든 데이터 지점 xi에서 fi와 f(xi)의 거리가 최대한 가까운 f(x)를 찾아보자!
17. 여기서 등장하는 그라디언트 벡터 “Gradient Vector”
“다변수 함수의 특정 지점에서 변화 방향과 크기”
http://www.sharetechnote.com/html/Calculus_Gradient.html
그라디언트 기호 그라디언트의 정의
스칼라 벡터
전체적으로 벡터