Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lære Finne Parameterne | 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
Finne Parameterne

Vi vet nå at lineær regresjon er en linje som passer best til dataene. Men hvordan kan du vite hvilken som er den riktige?

Du kan beregne forskjellen mellom den predikerte verdien og den faktiske målverdien for hvert datapunkt i treningssettet.
Disse forskjellene kalles residualer (eller feil). Målet er å gjøre residualene så små som mulig.

Ordinær minste kvadraters metode

Standardmetoden er ordinær minste kvadraters metode (OLS):
Ta hver residual, kvadrer den (hovedsakelig for å eliminere fortegnet til en residual), og summer alle sammen.
Dette kalles SSR (sum av kvadrerte residualer). Oppgaven er å finne parameterne som minimerer SSR.

Normal-likningen

Heldigvis trenger vi ikke å prøve alle linjene og beregne SSR for dem. Oppgaven med å minimere SSR har en matematisk løsning som ikke er særlig ressurskrevende å beregne.
Denne løsningen kalles Normal-likningen.

Denne likningen gir oss parameterne til en linje med minst mulig SSR.
Forsto du ikke helt hvordan det fungerer? Ingen grunn til bekymring! Dette er ganske avansert matematikk. Men du trenger ikke å regne ut parameterne for hånd. Mange biblioteker har allerede implementert lineær regresjon.

Quiz

1. Se bildet ovenfor. Hvilken regresjonslinje er best?

2. y_true - y_predicted kalles

question mark

Se bildet ovenfor. Hvilken regresjonslinje er best?

Select the correct answer

question mark

y_true - y_predicted kalles

Select the correct answer

Alt var klart?

Hvordan kan vi forbedre det?

Takk for tilbakemeldingene dine!

Seksjon 1. Kapittel 2

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
Finne Parameterne

Vi vet nå at lineær regresjon er en linje som passer best til dataene. Men hvordan kan du vite hvilken som er den riktige?

Du kan beregne forskjellen mellom den predikerte verdien og den faktiske målverdien for hvert datapunkt i treningssettet.
Disse forskjellene kalles residualer (eller feil). Målet er å gjøre residualene så små som mulig.

Ordinær minste kvadraters metode

Standardmetoden er ordinær minste kvadraters metode (OLS):
Ta hver residual, kvadrer den (hovedsakelig for å eliminere fortegnet til en residual), og summer alle sammen.
Dette kalles SSR (sum av kvadrerte residualer). Oppgaven er å finne parameterne som minimerer SSR.

Normal-likningen

Heldigvis trenger vi ikke å prøve alle linjene og beregne SSR for dem. Oppgaven med å minimere SSR har en matematisk løsning som ikke er særlig ressurskrevende å beregne.
Denne løsningen kalles Normal-likningen.

Denne likningen gir oss parameterne til en linje med minst mulig SSR.
Forsto du ikke helt hvordan det fungerer? Ingen grunn til bekymring! Dette er ganske avansert matematikk. Men du trenger ikke å regne ut parameterne for hånd. Mange biblioteker har allerede implementert lineær regresjon.

Quiz

1. Se bildet ovenfor. Hvilken regresjonslinje er best?

2. y_true - y_predicted kalles

question mark

Se bildet ovenfor. Hvilken regresjonslinje er best?

Select the correct answer

question mark

y_true - y_predicted kalles

Select the correct answer

Alt var klart?

Hvordan kan vi forbedre det?

Takk for tilbakemeldingene dine!

Seksjon 1. Kapittel 2
some-alt