Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lære Hva er lineær regresjon | Enkel Lineær Regresjon
Lineær Regresjon med Python
course content

Kursinnhold

Lineær Regresjon med Python

Lineær Regresjon med Python

1. Enkel Lineær Regresjon
2. Multippel Lineær Regresjon
3. Polynomisk Regresjon
4. Velge den Beste Modellen

book
Hva er lineær regresjon

Grunnleggende konsepter

Note
Definisjon

Regresjon er en overvåket læringsoppgave som innebærer å forutsi en numerisk verdi (for eksempel prisen på et hus), kjent som målvariabel, basert på et sett med inngangsvariabler (for eksempel 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, la oss si at du vil forutsi personens høyde hvis faren hans 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 forutsier 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 videre 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 manglende ord

question mark

I regresjon kalles verdien vi ønsker å forutsi:

Select the correct answer

question-icon

Fyll inn manglende ord

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

Alt var klart?

Hvordan kan vi forbedre det?

Takk for tilbakemeldingene dine!

Seksjon 1. Kapittel 1

Spør AI

expand

Spør AI

ChatGPT

Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår

course content

Kursinnhold

Lineær Regresjon med Python

Lineær Regresjon med Python

1. Enkel Lineær Regresjon
2. Multippel Lineær Regresjon
3. Polynomisk Regresjon
4. Velge den Beste Modellen

book
Hva er lineær regresjon

Grunnleggende konsepter

Note
Definisjon

Regresjon er en overvåket læringsoppgave som innebærer å forutsi en numerisk verdi (for eksempel prisen på et hus), kjent som målvariabel, basert på et sett med inngangsvariabler (for eksempel 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, la oss si at du vil forutsi personens høyde hvis faren hans 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 forutsier 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 videre 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 manglende ord

question mark

I regresjon kalles verdien vi ønsker å forutsi:

Select the correct answer

question-icon

Fyll inn manglende ord

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

Alt var klart?

Hvordan kan vi forbedre det?

Takk for tilbakemeldingene dine!

Seksjon 1. Kapittel 1
some-alt