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
course content

Kurssisisältö

Lineaarinen Regressio Pythonilla

Lineaarinen Regressio Pythonilla

1. Yksinkertainen Lineaarinen Regressio
2. Monimuuttujainen Lineaarinen Regressio
3. Polynomiregressio
4. Parhaan Mallin Valitseminen

book
Mikä on lineaarinen regressio

Peruskäsitteet

Note
Määritelmä

Regressio on valvottu oppimistehtävä, 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 opetusjoukoksi.

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

Miten se toimii

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

Ennusteiden tekeminen

Nyt voimme käyttää tätä viivaa 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, yksinkertaista. 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 vain, mitkä arvot a ja b:n tulisi olla halutun suoran muodostamiseksi. Mallin oppimia arvoja kutsutaan parametreiksi, ja myöhemmin kurssilla merkitsemme parametreja 𝛽:llä a:n ja b:n sijaan. Näin ollen yksinkertaisen lineaarisen regressiomme yhtälö on:

1. Regressiossa arvoa, jota haluamme ennustaa, kutsutaan:

2. Täydennä puuttuvat kohdat

question mark

Regressiossa arvoa, jota haluamme ennustaa, kutsutaan:

Select the correct answer

question-icon

Täydennä puuttuvat kohdat

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

course content

Kurssisisältö

Lineaarinen Regressio Pythonilla

Lineaarinen Regressio Pythonilla

1. Yksinkertainen Lineaarinen Regressio
2. Monimuuttujainen Lineaarinen Regressio
3. Polynomiregressio
4. Parhaan Mallin Valitseminen

book
Mikä on lineaarinen regressio

Peruskäsitteet

Note
Määritelmä

Regressio on valvottu oppimistehtävä, 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 opetusjoukoksi.

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

Miten se toimii

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

Ennusteiden tekeminen

Nyt voimme käyttää tätä viivaa 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, yksinkertaista. 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 vain, mitkä arvot a ja b:n tulisi olla halutun suoran muodostamiseksi. Mallin oppimia arvoja kutsutaan parametreiksi, ja myöhemmin kurssilla merkitsemme parametreja 𝛽:llä a:n ja b:n sijaan. Näin ollen yksinkertaisen lineaarisen regressiomme yhtälö on:

1. Regressiossa arvoa, jota haluamme ennustaa, kutsutaan:

2. Täydennä puuttuvat kohdat

question mark

Regressiossa arvoa, jota haluamme ennustaa, kutsutaan:

Select the correct answer

question-icon

Täydennä puuttuvat kohdat

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