Mikä 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 opettamiseen tarvitaan useita esimerkkejä tällaisista taloista, sekä piirteet että kohde. Esimerkkijoukkoa, jolla mallia opetetaan, kutsutaan opetusjoukoksi.
Yksinkertaisin malli, joka pystyy suorittamaan regressiotehtäviä, on lineaarinen regressio. Tarkastellaan tätä hajontakuviota, joka esittää henkilön pituuden ja hänen isänsä pituuden.
Miten se toimii
Yksinkertainen lineaarinen regressio tarkoittaa suoran sovittamista aineistoon siten, että suora on mahdollisimman lähellä havaintopisteitä.
Ennusteiden tekeminen
Nyt tätä suoraa voidaan käyttää uuden pisteen tavoitteen ennustamiseen.
Esimerkiksi, jos halutaan ennustaa henkilön pituus, kun hänen isänsä pituus on 63,5 tuumaa. Valitaan suoralta piste, jossa X=63,5, ja sen y-arvo on ennusteemme.
Malli ennustaa henkilön pituudeksi 64,3 tuumaa.
Yksinkertaisen lineaarisen regressiomallin yhtälö
Koulusta saattaa olla muistissa, että suoran yhtälö on y=b+ax, joten koulutuksen aikana yksinkertainen lineaarinen regressio oppii, mitkä arvot a ja b saavat aikaan halutun suoran.
Mallin oppimia arvoja kutsutaan parametreiksi, ja myöhemmin kurssilla merkitsemme parametreja 𝛽:llä a:n ja b:n sijaan.
Yksinkertaisen lineaarisen regressiomallin yhtälö on siis:
1. Regressiossa arvoa, jota haluamme ennustaa, kutsutaan nimellä:
2. Täydennä aukot
Kiitos palautteestasi!
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
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 opettamiseen tarvitaan useita esimerkkejä tällaisista taloista, sekä piirteet että kohde. Esimerkkijoukkoa, jolla mallia opetetaan, kutsutaan opetusjoukoksi.
Yksinkertaisin malli, joka pystyy suorittamaan regressiotehtäviä, on lineaarinen regressio. Tarkastellaan tätä hajontakuviota, joka esittää henkilön pituuden ja hänen isänsä pituuden.
Miten se toimii
Yksinkertainen lineaarinen regressio tarkoittaa suoran sovittamista aineistoon siten, että suora on mahdollisimman lähellä havaintopisteitä.
Ennusteiden tekeminen
Nyt tätä suoraa voidaan käyttää uuden pisteen tavoitteen ennustamiseen.
Esimerkiksi, jos halutaan ennustaa henkilön pituus, kun hänen isänsä pituus on 63,5 tuumaa. Valitaan suoralta piste, jossa X=63,5, ja sen y-arvo on ennusteemme.
Malli ennustaa henkilön pituudeksi 64,3 tuumaa.
Yksinkertaisen lineaarisen regressiomallin yhtälö
Koulusta saattaa olla muistissa, että suoran yhtälö on y=b+ax, joten koulutuksen aikana yksinkertainen lineaarinen regressio oppii, mitkä arvot a ja b saavat aikaan halutun suoran.
Mallin oppimia arvoja kutsutaan parametreiksi, ja myöhemmin kurssilla merkitsemme parametreja 𝛽:llä a:n ja b:n sijaan.
Yksinkertaisen lineaarisen regressiomallin yhtälö on siis:
Kiitos palautteestasi!
