Hvad Er Lineær Regression
Grundlæggende begreber
Regression er en overvåget læringsopgave, der indebærer forudsigelse af 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 Simple 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, hvis du vil forudsige en persons højde, hvis hans far er 63,5 tommer høj. Vælg blot et punkt på linjen, der svarer til X=63,5, og dets y-værdi er vores forudsigelse, ganske enkelt.
Modellen forudsiger, at personen er 64,3 tommer 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
Tak for dine kommentarer!
Spørg AI
Spørg AI
Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat
Can you explain what the training set is in more detail?
How does the model determine the best line for the data?
What do the parameters 𝛽₀ and 𝛽₁ represent in the regression equation?
Awesome!
Completion rate improved to 5.26Hvad Er Lineær Regression
Stryg for at vise menuen
Grundlæggende begreber
Regression er en overvåget læringsopgave, der indebærer forudsigelse af 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 Simple 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, hvis du vil forudsige en persons højde, hvis hans far er 63,5 tommer høj. Vælg blot et punkt på linjen, der svarer til X=63,5, og dets y-værdi er vores forudsigelse, ganske enkelt.
Modellen forudsiger, at personen er 64,3 tommer 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
Tak for dine kommentarer!
