4:52, 그렇지만 일반적으로 X의 역행렬은 구하기가 어렵습니다. 왜냐하면 여기서 m, n 2개의 값이 있는데, 만약에 X의 역행렬이 존재하려면 행의 수와 열의 수가 같은, 즉 squared matrix가 되어야 하는데, 일반적으로는 데이터 샘플의 개수가 특징 값의 개수보다 더 크게 되기 때문입니다. 이 경우를 우리는 overdetermined라고 부릅니다. 따라서 방금 전에 살펴보았던 X 역행렬을 양변에 곱해주는 이와 같은 해법은 우리가 사용하기 어렵습니다. 그대신 우리는 prediction error을 최소화하는 방식을 이용하여 문제를 해결할 수가 있습니다.