up

Author: liganega

p3_lab_gradient_descent.ipynb

@@ -440,9 +440,18 @@
     "100 에포크의 경사하강법은 처음보다 훨씬 작은 MSE에 도달했지만,\n",
     "아직 `LinearRegression`의 결과와는 차이가 있다.\n",
     "\n",
-    "핵심은 두 방법이 같은 계산을 한다는 뜻이 아니다.\n",
+    "하지만 충분히 학습한 경사하강법은 `LinearRegression`이 찾은 좋은 직선에 가까워진다.\n",
+    "실제로 5천 에포크까지 훈련시키면 두 모델의 파라미터가 매우 유사해진다.\n",
     "\n",
-    "> **`fit()`은 데이터에 잘 맞는 파라미터를 찾는 과정이고, 경사하강법은 그 파라미터를 반복적인 수정으로 찾아가는 방법이다.**"
+    "| | 경사하강법, 5000 epoch | `LinearRegression` |\n",
+    "|---|---:|---:|\n",
+    "| $\\theta_0$ | 0.795961 | 3.839382 |\n",
+    "| $\\theta_1$ | 0.660634 | 0.650545 |\n",
+    "| MSE | 0.650356 | 0.175290 |\n",
+    "\n",
+    "**경사하강법 핵심**\n",
+    "\n",
+    "> **`fit()`은 결국 데이터에 잘 맞는 파라미터를 찾는 과정이고, 경사하강법은 그 파라미터를 반복적인 수정으로 찾아가는 방법이다.**"
    ]
   },
   {