Polynomiregressio
Edellisessä luvussa tarkastelimme toisen asteen regressiota, jonka kuvaaja on paraabeli. Samalla tavalla voimme lisätä yhtälöön x³, jolloin saadaan kolmannen asteen regressio, jonka kuvaaja on monimutkaisempi. Voimme myös lisätä x⁴ ja niin edelleen.
Polynomiregression aste
Yleisesti tätä kutsutaan polynomiyhtälöksi, ja se on polynomiregression yhtälö. Suurin x:n eksponentti määrittää polynomiregression asteen yhtälössä. Tässä on esimerkki
N-asteinen polynomiregressio
Kun n on kokonaisluku, joka on suurempi kuin kaksi, voimme kirjoittaa n-asteisen polynomiregression yhtälön.
Normaaliyhtälö
Ja kuten aina, parametrit määritetään normaaliyhtälön avulla:
Polynomiregressio useilla muuttujilla
Monimutkaisempien muotojen luomiseksi voidaan käyttää polynomiregressiota, jossa on useampi kuin yksi muuttuja. Jo kahdella muuttujalla toisen asteen polynomiregressio tuottaa melko pitkän yhtälön.
Useimmiten näin monimutkaista mallia ei tarvita. Yksinkertaisemmat mallit (kuten monimuuttujainen lineaarinen regressio) kuvaavat aineistoa yleensä riittävän hyvin, ja ne ovat helpompia tulkita, visualisoida sekä vähemmän laskennallisesti raskaita.
Kiitos palautteestasi!
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
What are the advantages and disadvantages of using higher-degree polynomial regression?
Can you explain how the normal equation is used to find parameters in polynomial regression?
When should I use polynomial regression instead of linear regression?
Awesome!
Completion rate improved to 5.26
Polynomiregressio
Pyyhkäise näyttääksesi valikon
Edellisessä luvussa tarkastelimme toisen asteen regressiota, jonka kuvaaja on paraabeli. Samalla tavalla voimme lisätä yhtälöön x³, jolloin saadaan kolmannen asteen regressio, jonka kuvaaja on monimutkaisempi. Voimme myös lisätä x⁴ ja niin edelleen.
Polynomiregression aste
Yleisesti tätä kutsutaan polynomiyhtälöksi, ja se on polynomiregression yhtälö. Suurin x:n eksponentti määrittää polynomiregression asteen yhtälössä. Tässä on esimerkki
N-asteinen polynomiregressio
Kun n on kokonaisluku, joka on suurempi kuin kaksi, voimme kirjoittaa n-asteisen polynomiregression yhtälön.
Normaaliyhtälö
Ja kuten aina, parametrit määritetään normaaliyhtälön avulla:
Polynomiregressio useilla muuttujilla
Monimutkaisempien muotojen luomiseksi voidaan käyttää polynomiregressiota, jossa on useampi kuin yksi muuttuja. Jo kahdella muuttujalla toisen asteen polynomiregressio tuottaa melko pitkän yhtälön.
Useimmiten näin monimutkaista mallia ei tarvita. Yksinkertaisemmat mallit (kuten monimuuttujainen lineaarinen regressio) kuvaavat aineistoa yleensä riittävän hyvin, ja ne ovat helpompia tulkita, visualisoida sekä vähemmän laskennallisesti raskaita.
Kiitos palautteestasi!