Kursinnhold
Lineær Regresjon med Python
Lineær Regresjon med Python
Hva er lineær regresjon
Grunnleggende konsepter
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
Takk for tilbakemeldingene dine!
