Wat Is Lineaire Regressie
Basisconcepten
Regressie is een supervisie-leertaak waarbij een numerieke waarde wordt voorspeld (bijvoorbeeld de prijs van een huis), bekend als de doelwaarde, op basis van een reeks invoervariabelen (bijvoorbeeld grootte, leeftijd, locatie, enz.), aangeduid als kenmerken.
Om het model te trainen, moet u veel voorbeelden van dergelijke huizen aanleveren, zowel kenmerken als een doelwaarde. De verzameling voorbeelden waarop u het model traint, wordt de trainingsset genoemd.
Het eenvoudigste model dat regressietaken kan uitvoeren is een Lineaire Regressie. Bekijk deze spreidingsdiagram die de lengte van een persoon en de lengte van zijn vader weergeeft.
Hoe het werkt
Wat Eenvoudige Lineaire Regressie doet, is simpelweg de rechte lijn aan de gegevens aanpassen zodat de lijn zo dicht mogelijk bij de datapunten ligt.
Voorspellingen maken
Nu kunnen we deze lijn gebruiken om de doelwaarde voor een nieuw punt te voorspellen.
Stel bijvoorbeeld dat je de lengte van een persoon wilt voorspellen als zijn vader 63.5 inch lang is. Kies gewoon een punt op de lijn dat overeenkomt met X=63.5, en de y-waarde daarvan is onze voorspelling, heel eenvoudig.
Het model voorspelt dat de persoon 64.3 inch lang zal zijn.
Eenvoudige lineaire regressievergelijking
Zoals je je misschien herinnert van school, is de functie van een lijn y=b+ax, dus tijdens het trainen leert eenvoudige lineaire regressie simpelweg welke waarden a en b moeten hebben om een gewenste lijn te vormen. De waarden die het model leert, worden parameters genoemd, en verderop in de cursus zullen we parameters aanduiden met 𝛽 in plaats van a, b. Dus onze eenvoudige lineaire regressievergelijking is:
1. In regressie wordt de waarde die we willen voorspellen genoemd:
2. Vul de ontbrekende woorden in
Bedankt voor je feedback!
Vraag AI
Vraag AI
Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.
Awesome!
Completion rate improved to 5.26Wat Is Lineaire Regressie
Veeg om het menu te tonen
Basisconcepten
Regressie is een supervisie-leertaak waarbij een numerieke waarde wordt voorspeld (bijvoorbeeld de prijs van een huis), bekend als de doelwaarde, op basis van een reeks invoervariabelen (bijvoorbeeld grootte, leeftijd, locatie, enz.), aangeduid als kenmerken.
Om het model te trainen, moet u veel voorbeelden van dergelijke huizen aanleveren, zowel kenmerken als een doelwaarde. De verzameling voorbeelden waarop u het model traint, wordt de trainingsset genoemd.
Het eenvoudigste model dat regressietaken kan uitvoeren is een Lineaire Regressie. Bekijk deze spreidingsdiagram die de lengte van een persoon en de lengte van zijn vader weergeeft.
Hoe het werkt
Wat Eenvoudige Lineaire Regressie doet, is simpelweg de rechte lijn aan de gegevens aanpassen zodat de lijn zo dicht mogelijk bij de datapunten ligt.
Voorspellingen maken
Nu kunnen we deze lijn gebruiken om de doelwaarde voor een nieuw punt te voorspellen.
Stel bijvoorbeeld dat je de lengte van een persoon wilt voorspellen als zijn vader 63.5 inch lang is. Kies gewoon een punt op de lijn dat overeenkomt met X=63.5, en de y-waarde daarvan is onze voorspelling, heel eenvoudig.
Het model voorspelt dat de persoon 64.3 inch lang zal zijn.
Eenvoudige lineaire regressievergelijking
Zoals je je misschien herinnert van school, is de functie van een lijn y=b+ax, dus tijdens het trainen leert eenvoudige lineaire regressie simpelweg welke waarden a en b moeten hebben om een gewenste lijn te vormen. De waarden die het model leert, worden parameters genoemd, en verderop in de cursus zullen we parameters aanduiden met 𝛽 in plaats van a, b. Dus onze eenvoudige lineaire regressievergelijking is:
1. In regressie wordt de waarde die we willen voorspellen genoemd:
2. Vul de ontbrekende woorden in
Bedankt voor je feedback!
