Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lære Hvad Er Lineær Regression | Simpel Lineær Regression
Lineær Regression med Python
course content

Kursusindhold

Lineær Regression med Python

Lineær Regression med Python

1. Simpel Lineær Regression
2. Multipel Lineær Regression
3. Polynomiel Regression
4. Valg af den Bedste Model

book
Hvad Er Lineær Regression

Grundlæggende begreber

Note
Definition

Regression er en overvåget læringsopgave, der indebærer at forudsige en numerisk værdi (f.eks. prisen på et hus), kendt som målet, baseret på et sæt inputvariabler (f.eks. størrelse, alder, beliggenhed osv.), kaldet features.

For at træne modellen skal du give mange eksempler på sådanne huse, både features og et mål. Det sæt af eksempler, du træner modellen på, kaldes træningssættet.

Den simpleste model, der kan udføre regressionsopgaver, er en Lineær Regression. Overvej dette spredningsdiagram, der viser en persons højde og hans fars højde.

Sådan fungerer det

Det, som simpel lineær regression gør, er blot at tilpasse en ret linje til dataene, så linjen er så tæt på datapunkterne som muligt.

At lave forudsigelser

Nu kan vi bruge denne linje til at forudsige målet for et nyt punkt.
For eksempel, lad os sige, at du vil forudsige personens højde, hvis hans far er 63.5 inches høj. Vælg blot et punkt fra linjen, der svarer til X=63.5, og dets y-værdi er vores forudsigelse, ganske enkelt. Modellen forudsiger, at personen er 64.3 inches høj.

Simpel lineær regressionsligning

Som du måske husker fra skolen, er funktionen for en linje y=b+ax, så under træningen lærer simpel lineær regression blot, hvilke værdier a og b skal have for at danne den ønskede linje. De værdier, som modellen lærer, kaldes parametre, og senere i kurset vil vi betegne parametre med 𝛽 i stedet for a, b. Så vores simple lineære regressionsligning er:

1. I regression kaldes den værdi, vi ønsker at forudsige:

2. Udfyld hullerne

question mark

I regression kaldes den værdi, vi ønsker at forudsige:

Select the correct answer

question-icon

Udfyld hullerne

In the example, we predicted a person's height based on his father's height.
Then the father's height is a .
The person's height is a
.
Previous records with other people's and their father's known heights form a
.

Click or drag`n`drop items and fill in the blanks

Var alt klart?

Hvordan kan vi forbedre det?

Tak for dine kommentarer!

Sektion 1. Kapitel 1

Spørg AI

expand

Spørg AI

ChatGPT

Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat

course content

Kursusindhold

Lineær Regression med Python

Lineær Regression med Python

1. Simpel Lineær Regression
2. Multipel Lineær Regression
3. Polynomiel Regression
4. Valg af den Bedste Model

book
Hvad Er Lineær Regression

Grundlæggende begreber

Note
Definition

Regression er en overvåget læringsopgave, der indebærer at forudsige en numerisk værdi (f.eks. prisen på et hus), kendt som målet, baseret på et sæt inputvariabler (f.eks. størrelse, alder, beliggenhed osv.), kaldet features.

For at træne modellen skal du give mange eksempler på sådanne huse, både features og et mål. Det sæt af eksempler, du træner modellen på, kaldes træningssættet.

Den simpleste model, der kan udføre regressionsopgaver, er en Lineær Regression. Overvej dette spredningsdiagram, der viser en persons højde og hans fars højde.

Sådan fungerer det

Det, som simpel lineær regression gør, er blot at tilpasse en ret linje til dataene, så linjen er så tæt på datapunkterne som muligt.

At lave forudsigelser

Nu kan vi bruge denne linje til at forudsige målet for et nyt punkt.
For eksempel, lad os sige, at du vil forudsige personens højde, hvis hans far er 63.5 inches høj. Vælg blot et punkt fra linjen, der svarer til X=63.5, og dets y-værdi er vores forudsigelse, ganske enkelt. Modellen forudsiger, at personen er 64.3 inches høj.

Simpel lineær regressionsligning

Som du måske husker fra skolen, er funktionen for en linje y=b+ax, så under træningen lærer simpel lineær regression blot, hvilke værdier a og b skal have for at danne den ønskede linje. De værdier, som modellen lærer, kaldes parametre, og senere i kurset vil vi betegne parametre med 𝛽 i stedet for a, b. Så vores simple lineære regressionsligning er:

1. I regression kaldes den værdi, vi ønsker at forudsige:

2. Udfyld hullerne

question mark

I regression kaldes den værdi, vi ønsker at forudsige:

Select the correct answer

question-icon

Udfyld hullerne

In the example, we predicted a person's height based on his father's height.
Then the father's height is a .
The person's height is a
.
Previous records with other people's and their father's known heights form a
.

Click or drag`n`drop items and fill in the blanks

Var alt klart?

Hvordan kan vi forbedre det?

Tak for dine kommentarer!

Sektion 1. Kapitel 1
some-alt