Peruskäsitteet

Mallin kouluttamiseksi on annettava useita esimerkkejä tällaisista taloista, sekä piirteet että kohde. Esimerkkijoukkoa, jolla mallia koulutetaan, kutsutaan opetusjoukoksi.

Yksinkertaisin malli, joka kykenee suorittamaan regressiotehtäviä, on lineaarinen regressio. Tarkastellaan tätä hajontakuviota, joka esittää henkilön pituuden ja hänen isänsä pituuden.

Miten se toimii

Yksinkertainen lineaarinen regressio sovittaa suoran viivan aineistoon siten, että viiva on mahdollisimman lähellä havaintopisteitä.

Ennusteiden tekeminen

Nyt voimme käyttää tätä suoraa ennustamaan kohdearvon uudelle pisteelle.
Esimerkiksi, jos haluat ennustaa henkilön pituuden, kun hänen isänsä pituus on 63.5 tuumaa. Valitse viivalta kohta, joka vastaa X=63.5, ja sen y-arvo on ennusteemme. Malli ennustaa henkilön pituudeksi 64.3 tuumaa.

Yksinkertaisen lineaarisen regressioyhtälön kaava

Koulusta saatat muistaa, että suoran yhtälö on $y=b+ax$, joten koulutuksen aikana yksinkertainen lineaarinen regressio oppii, mitkä arvot a ja b tulisi olla, jotta muodostuu haluttu suora. Mallin oppimia arvoja kutsutaan parametreiksi, ja jatkossa kurssilla merkitsemme parametreja $𝛽$:llä $a$:n ja $b$:n sijaan. Näin ollen yksinkertaisen lineaarisen regressiomallin yhtälö on:

Missä:

• $\beta_0, \beta_1$ – ovat mallin parametreja;
• $y_{pred}$ – on kohteen ennuste;
• $x$ – on piirteen arvo.