Sum of the squared errors

2021.07.17 - [AI] - Error Function

상위에서 Error function에 대해서 살펴 보았다.

상위 내용은 log를 통해서 차이값의 sum으로 Error 정도를 파악했다.

이번에는 표준 편차를 통해서 Error 정도를 확인하고자 한다.

이것을 Sum of Squared Error (SSE) 라고 부른다.

$$ E = \frac{1}{2} \sum_{u} \sum_{j} [ {y^u}_j - {\hat{y}^u}_j ]^2 $$

근데 1/2는 왜하는건지 모르겠다. 나중에 알게되면.. 써놔야지

예측값과 Target값의 차를 곱함으로써

• 음수가 없고
• 차가 클 수록 Error 값이 더 커지는

장점이 있다.

$$ \hat{y} = \sum_i w_{ij} * {x^u}_i $$

라고 할 때, 해당 공식은 아래와 같이 대입 가능하다.

$$ E = \frac{1}{2} \sum_{u} \sum_{j} [ {y^u}_j - {\sum_i w_{ij} * {x^u}_{ij}} ]^2 $$