Parametrien Löytäminen
Nyt tiedämme, että lineaarinen regressio on vain viiva, joka parhaiten kuvaa dataa. Mutta miten voit tietää, mikä viiva on oikea?
Voit laskea ennustetun arvon ja todellisen tavoitearvon välisen erotuksen jokaiselle harjoitusaineiston datapisteelle.
Näitä erotuksia kutsutaan residuaaleiksi (tai virheiksi). Tavoitteena on tehdä residuaaleista mahdollisimman pieniä.
Ordinary Least Squares
Oletusmenetelmä on Ordinary Least Squares (OLS):
Ota jokainen residuaali, korota se toiseen potenssiin (pääasiassa residuaalin etumerkin poistamiseksi) ja summaa kaikki.
Tätä kutsutaan nimellä SSR (Sum of squared residuals). Tehtävänä on löytää parametrit, jotka minimoivat SSR:n.
Normaaliyhtälö
Onneksi meidän ei tarvitse kokeilla kaikkia mahdollisia suoria ja laskea SSR-arvoja niille. SSR:n minimointiin on olemassa matemaattinen ratkaisu, joka ei ole laskennallisesti kovin raskas.
Tätä ratkaisua kutsutaan normaaliyhtälöksi.
Tämä yhtälö antaa meille suoran parametrit, joilla SSR on pienin mahdollinen.
Etkö ymmärtänyt, miten se toimii? Ei hätää! Kyseessä on melko monimutkainen matematiikka. Sinun ei kuitenkaan tarvitse laskea parametreja itse. Monet kirjastot sisältävät jo valmiiksi toteutetun lineaarisen regressiomallin.
Kysely
1. Tarkastele yllä olevaa kuvaa. Mikä regressiosuora on parempi?
2. y_true - y_predicted kutsutaan
Kiitos palautteestasi!
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
Can you explain what the Normal Equation is in simpler terms?
What is the difference between residuals and SSR?
Why do we square the residuals in the OLS method?
Awesome!
Completion rate improved to 5.26Parametrien Löytäminen
Pyyhkäise näyttääksesi valikon
Nyt tiedämme, että lineaarinen regressio on vain viiva, joka parhaiten kuvaa dataa. Mutta miten voit tietää, mikä viiva on oikea?
Voit laskea ennustetun arvon ja todellisen tavoitearvon välisen erotuksen jokaiselle harjoitusaineiston datapisteelle.
Näitä erotuksia kutsutaan residuaaleiksi (tai virheiksi). Tavoitteena on tehdä residuaaleista mahdollisimman pieniä.
Ordinary Least Squares
Oletusmenetelmä on Ordinary Least Squares (OLS):
Ota jokainen residuaali, korota se toiseen potenssiin (pääasiassa residuaalin etumerkin poistamiseksi) ja summaa kaikki.
Tätä kutsutaan nimellä SSR (Sum of squared residuals). Tehtävänä on löytää parametrit, jotka minimoivat SSR:n.
Normaaliyhtälö
Onneksi meidän ei tarvitse kokeilla kaikkia mahdollisia suoria ja laskea SSR-arvoja niille. SSR:n minimointiin on olemassa matemaattinen ratkaisu, joka ei ole laskennallisesti kovin raskas.
Tätä ratkaisua kutsutaan normaaliyhtälöksi.
Tämä yhtälö antaa meille suoran parametrit, joilla SSR on pienin mahdollinen.
Etkö ymmärtänyt, miten se toimii? Ei hätää! Kyseessä on melko monimutkainen matematiikka. Sinun ei kuitenkaan tarvitse laskea parametreja itse. Monet kirjastot sisältävät jo valmiiksi toteutetun lineaarisen regressiomallin.
Kysely
1. Tarkastele yllä olevaa kuvaa. Mikä regressiosuora on parempi?
2. y_true - y_predicted kutsutaan
Kiitos palautteestasi!
