Hva er lineær regresjon
Grunnleggende konsepter
Regresjon er en overvåket læringsoppgave som innebærer å forutsi en numerisk verdi (f.eks. prisen på et hus), kjent som målvariabel, basert på et sett med inngangsvariabler (f.eks. størrelse, alder, beliggenhet, osv.), kalt funksjoner.
For å trene modellen må du gi mange eksempler på slike hus, både funksjoner og en målvariabel. Datasettet du trener modellen på kalles treningssettet.
Den enkleste modellen som kan utføre regresjonsoppgaver er en lineær regresjon. Se på dette spredningsdiagrammet som viser en persons høyde og farens høyde.
Hvordan det fungerer
Det enkle lineære regresjonsmodellen gjør, er å tilpasse en rett linje til dataene slik at linjen er så nær datapunktene som mulig.
Lage prediksjoner
Nå kan vi bruke denne linjen til å forutsi målet for et nytt punkt.
For eksempel, si at du ønsker å forutsi personens høyde hvis faren er 63.5 inches høy. Bare velg et punkt på linjen som tilsvarer X=63.5, og y-verdien er vår prediksjon, enkelt og greit.
Modellen predikerer at personen er 64.3 inches høy.
Enkel lineær regresjonslikning
Som du kanskje husker fra skolen, er funksjonen til en linje y=b+ax, så under treningen lærer enkel lineær regresjon bare hvilke verdier a og b skal ha for å danne en ønsket linje. Verdiene som modellen lærer kalles parametere, og senere i kurset vil vi betegne parametere med 𝛽 i stedet for a, b. Så vår enkle lineære regresjonslikning er:
1. I regresjon kalles verdien vi ønsker å forutsi:
2. Fyll inn hullene
Takk for tilbakemeldingene dine!
Spør AI
Spør AI
Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår
Can you explain what the training set is in more detail?
How does the model determine the best line for the data?
What do the parameters 𝛽₀ and 𝛽₁ represent in the regression equation?
Awesome!
Completion rate improved to 5.26Hva er lineær regresjon
Sveip for å vise menyen
Grunnleggende konsepter
Regresjon er en overvåket læringsoppgave som innebærer å forutsi en numerisk verdi (f.eks. prisen på et hus), kjent som målvariabel, basert på et sett med inngangsvariabler (f.eks. størrelse, alder, beliggenhet, osv.), kalt funksjoner.
For å trene modellen må du gi mange eksempler på slike hus, både funksjoner og en målvariabel. Datasettet du trener modellen på kalles treningssettet.
Den enkleste modellen som kan utføre regresjonsoppgaver er en lineær regresjon. Se på dette spredningsdiagrammet som viser en persons høyde og farens høyde.
Hvordan det fungerer
Det enkle lineære regresjonsmodellen gjør, er å tilpasse en rett linje til dataene slik at linjen er så nær datapunktene som mulig.
Lage prediksjoner
Nå kan vi bruke denne linjen til å forutsi målet for et nytt punkt.
For eksempel, si at du ønsker å forutsi personens høyde hvis faren er 63.5 inches høy. Bare velg et punkt på linjen som tilsvarer X=63.5, og y-verdien er vår prediksjon, enkelt og greit.
Modellen predikerer at personen er 64.3 inches høy.
Enkel lineær regresjonslikning
Som du kanskje husker fra skolen, er funksjonen til en linje y=b+ax, så under treningen lærer enkel lineær regresjon bare hvilke verdier a og b skal ha for å danne en ønsket linje. Verdiene som modellen lærer kalles parametere, og senere i kurset vil vi betegne parametere med 𝛽 i stedet for a, b. Så vår enkle lineære regresjonslikning er:
1. I regresjon kalles verdien vi ønsker å forutsi:
2. Fyll inn hullene
Takk for tilbakemeldingene dine!
