Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Oppiskele Lineaarinen Regressio N Muuttujalla | Monimuuttujainen 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
Lineaarinen Regressio N Muuttujalla

N-muuttujainen lineaarisen regressiomalli

Kuten olemme nähneet, uuden ominaisuuden lisääminen lineaariseen regressiomalliin on yhtä helppoa kuin sen ja uuden parametrin lisääminen mallin yhtälöön. Näin voimme lisätä paljon enemmän kuin kaksi parametria.

Note
Huomio

Oletetaan, että n on kokonaisluku, joka on suurempi kuin kaksi.

Normaaliyhtälö

Ainoa ongelma on visualisointi. Jos meillä on kaksi parametria, tarvitsemme 3D-kuvaajan. Mutta jos parametreja on enemmän kuin kaksi, kuvaaja olisi yli kolmiulotteinen. Koska elämme kolmiulotteisessa maailmassa, emme voi kuvitella korkeampia ulottuvuuksia. Tuloksen visualisointi ei kuitenkaan ole välttämätöntä. Meidän tarvitsee vain löytää mallin parametrit, jotta se toimii. Onneksi niiden löytäminen on melko helppoa. Vanha kunnon normaaliyhtälö auttaa meitä:

X̃-matriisi

Huomaa, että vain -matriisi on muuttunut. Voit ajatella tämän matriisin sarakkeita niin, että kukin vastaa omasta β-parametristaan. Seuraava video selittää, mitä tarkoitan.

Ensimmäinen sarake, joka koostuu ykkösistä, tarvitaan β₀-parametrin löytämiseksi.

question mark

Valitse VÄÄRÄ väittämä.

Select the correct answer

Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 2. Luku 2

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
Lineaarinen Regressio N Muuttujalla

N-muuttujainen lineaarisen regressiomalli

Kuten olemme nähneet, uuden ominaisuuden lisääminen lineaariseen regressiomalliin on yhtä helppoa kuin sen ja uuden parametrin lisääminen mallin yhtälöön. Näin voimme lisätä paljon enemmän kuin kaksi parametria.

Note
Huomio

Oletetaan, että n on kokonaisluku, joka on suurempi kuin kaksi.

Normaaliyhtälö

Ainoa ongelma on visualisointi. Jos meillä on kaksi parametria, tarvitsemme 3D-kuvaajan. Mutta jos parametreja on enemmän kuin kaksi, kuvaaja olisi yli kolmiulotteinen. Koska elämme kolmiulotteisessa maailmassa, emme voi kuvitella korkeampia ulottuvuuksia. Tuloksen visualisointi ei kuitenkaan ole välttämätöntä. Meidän tarvitsee vain löytää mallin parametrit, jotta se toimii. Onneksi niiden löytäminen on melko helppoa. Vanha kunnon normaaliyhtälö auttaa meitä:

X̃-matriisi

Huomaa, että vain -matriisi on muuttunut. Voit ajatella tämän matriisin sarakkeita niin, että kukin vastaa omasta β-parametristaan. Seuraava video selittää, mitä tarkoitan.

Ensimmäinen sarake, joka koostuu ykkösistä, tarvitaan β₀-parametrin löytämiseksi.

question mark

Valitse VÄÄRÄ väittämä.

Select the correct answer

Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 2. Luku 2
some-alt