Mikä on Lineaarinen Regressio
Peruskäsitteet
Regressio on ohjatun oppimisen tehtävä, jossa ennustetaan numeerista arvoa (esim. talon hinta), jota kutsutaan kohteeksi, perustuen joukkoon syötemuuttujia (esim. koko, ikä, sijainti jne.), joita kutsutaan piirteiksi.
Mallin kouluttamiseksi on annettava useita esimerkkejä tällaisista taloista, sekä piirteet että kohde. Esimerkkijoukkoa, jolla mallia koulutetaan, kutsutaan koulutusjoukoksi.
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 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, jossa X=63.5, ja sen y-arvo on ennusteemme.
Malli ennustaa henkilön pituudeksi 64.3 tuumaa.
Yksinkertaisen lineaarisen regressioyhtälön kaava
Kuten saatat muistaa koulusta, 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 myöhemmin kurssilla merkitsemme parametreja 𝛽:llä a:n ja b:n sijaan.
Näin ollen yksinkertaisen lineaarisen regression yhtälömme on:
1. Regressiossa arvoa, jota halutaan ennustaa, kutsutaan:
2. Täydennä aukot
Kiitos palautteestasi!
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
Mahtavaa!
Completion arvosana parantunut arvoon 5.26Mikä on Lineaarinen Regressio
Pyyhkäise näyttääksesi valikon
Peruskäsitteet
Regressio on ohjatun oppimisen tehtävä, jossa ennustetaan numeerista arvoa (esim. talon hinta), jota kutsutaan kohteeksi, perustuen joukkoon syötemuuttujia (esim. koko, ikä, sijainti jne.), joita kutsutaan piirteiksi.
Mallin kouluttamiseksi on annettava useita esimerkkejä tällaisista taloista, sekä piirteet että kohde. Esimerkkijoukkoa, jolla mallia koulutetaan, kutsutaan koulutusjoukoksi.
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 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, jossa X=63.5, ja sen y-arvo on ennusteemme.
Malli ennustaa henkilön pituudeksi 64.3 tuumaa.
Yksinkertaisen lineaarisen regressioyhtälön kaava
Kuten saatat muistaa koulusta, 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 myöhemmin kurssilla merkitsemme parametreja 𝛽:llä a:n ja b:n sijaan.
Näin ollen yksinkertaisen lineaarisen regression yhtälömme on:
1. Regressiossa arvoa, jota halutaan ennustaa, kutsutaan:
2. Täydennä aukot
Kiitos palautteestasi!
