Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Oppiskele Mikä on Lineaarinen Regressio | Yksinkertainen Lineaarinen Regressio
Lineaarinen Regressio Pythonilla

bookMikä on Lineaarinen Regressio

Peruskäsitteet

Note
Määritelmä

Regressio on ohjatun oppimisen tehtävä, jossa ennustetaan numeerista arvoa (esim. talon hinta), jota kutsutaan kohteeksi, joukon syötemuuttujia (esim. koko, ikä, sijainti jne.), joita kutsutaan piirteiksi, perusteella.

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 hajontakuviota, joka esittää henkilön pituuden ja hänen isänsä pituuden.

Miten se toimii

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

Ennusteiden tekeminen

Nyt tätä viivaa voidaan käyttää uuden pisteen tavoitteen ennustamiseen.
Esimerkiksi, jos halutaan ennustaa henkilön pituus, kun hänen isänsä pituus on 63.5 tuumaa. Valitaan viivalta kohta, joka vastaa X=63.5, ja sen y-arvo on ennusteemme.
Malli ennustaa henkilön pituudeksi 64.3 tuumaa.

Yksinkertaisen lineaarisen regressiomallin yhtälö

Kuten saatat muistaa koulusta, suoran funktio on y=b+ax, joten koulutuksen aikana yksinkertainen lineaarinen regressio oppii, mitkä arvot a ja b saavat, jotta muodostuu haluttu suora. Mallin oppimat arvot kutsutaan parametreiksi, ja jatkossa kurssilla merkitsemme parametreja 𝛽:llä a:n ja b:n sijaan. Näin ollen yksinkertaisen lineaarisen regressiomallin yhtälö on:

1. Regressiossa arvoa, jota halutaan ennustaa, kutsutaan:

2. Täydennä aukot

question mark

Regressiossa arvoa, jota halutaan ennustaa, kutsutaan:

Select the correct answer

question-icon

Täydennä aukot

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

Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 1. Luku 1

Kysy tekoälyä

expand

Kysy tekoälyä

ChatGPT

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Suggested prompts:

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 5.26

bookMikä on Lineaarinen Regressio

Pyyhkäise näyttääksesi valikon

Peruskäsitteet

Note
Määritelmä

Regressio on ohjatun oppimisen tehtävä, jossa ennustetaan numeerista arvoa (esim. talon hinta), jota kutsutaan kohteeksi, joukon syötemuuttujia (esim. koko, ikä, sijainti jne.), joita kutsutaan piirteiksi, perusteella.

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 hajontakuviota, joka esittää henkilön pituuden ja hänen isänsä pituuden.

Miten se toimii

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

Ennusteiden tekeminen

Nyt tätä viivaa voidaan käyttää uuden pisteen tavoitteen ennustamiseen.
Esimerkiksi, jos halutaan ennustaa henkilön pituus, kun hänen isänsä pituus on 63.5 tuumaa. Valitaan viivalta kohta, joka vastaa X=63.5, ja sen y-arvo on ennusteemme.
Malli ennustaa henkilön pituudeksi 64.3 tuumaa.

Yksinkertaisen lineaarisen regressiomallin yhtälö

Kuten saatat muistaa koulusta, suoran funktio on y=b+ax, joten koulutuksen aikana yksinkertainen lineaarinen regressio oppii, mitkä arvot a ja b saavat, jotta muodostuu haluttu suora. Mallin oppimat arvot kutsutaan parametreiksi, ja jatkossa kurssilla merkitsemme parametreja 𝛽:llä a:n ja b:n sijaan. Näin ollen yksinkertaisen lineaarisen regressiomallin yhtälö on:

1. Regressiossa arvoa, jota halutaan ennustaa, kutsutaan:

2. Täydennä aukot

question mark

Regressiossa arvoa, jota halutaan ennustaa, kutsutaan:

Select the correct answer

question-icon

Täydennä aukot

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

Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 1. Luku 1
some-alt