선형 회귀 경사하강법 관련 질문

게시물 수정 , 삭제는 로그인 필요

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

from mpl_toolkits import mplot3d

data = [[2,0,81],[4,4,93],[6,2,91],[8,3,97]]

x1 = [i[0] for i in data]

x2 = [i[1] for i in data]

y = [i[2] for i in data]

plt.figure(figsize= (10,10))

ax = plt.axes(projection = '3d')

ax.set_xlabel('study_time')

ax.set_ylabel('privite class')

ax.set_zlabel('Score')

ax.dist = 11

ax.scatter(x1,x2,y)

plt.show()

x1_data = np.array(x1)

x2_data = np.array(x2)

y_data = np.array(y)

a1 = 0

a2 = 0

b = 0

Ir = 0.05

epochs = 2001

for i in range(epochs):

  y_pred = a1 * x1_data +a2 *x2_data +b

  error = y_data - y_pred

  a1_diff = -(1/len(x1_data)) * sum(x1_data * (error))

  a2_diff = -(1/len(x2_data))*sum(x2_data*(error))

  b_new= -(1/len(x1_data))*sum(y_data - y_pred)

  a1 = a1 -Ir *a1_diff

  a2 = a2 - Ir *a2_diff

  b = b - Ir *b_new

  

  if i % 100 == 0:

    print("epoch = {}, 기울기1 = {:0.4f}, 기울기2= {:0.4f}, 절편 = {:0.4f},".format(i,a1,a2,b))

이 코드가 제가 공부하고 있는 책에 예시로 나와있는 코드인데요,

a1_diff = -(1/len(x1_data)) * sum(x1_data * (error))을 해서 얻은 편미분값이 만약 양수라면 기울기값을 줄여야 오차범위가 줄어들텐데 기울기에 적용시키는 코드를 보면:a1 = a1 -Ir *a1_diff 이미 마이너스 처리된 편미분값에 다시 마이너스를 붙여 오히려 기울기를 증가시키는 셈이 되어버리고 이로서 오차가 더 커져야 되는 게 아닌가요?

print써서 보니까 배열이 들어가 있어서 그런건가 하는데 이해가 잘 안돼서요.이에 대해서 설명 좀 해주세요.