Het Vinden van de Parameters
We weten nu dat lineaire regressie simpelweg een lijn is die het beste bij de gegevens past. Maar hoe bepaal je welke lijn de juiste is?
Het is mogelijk om het verschil te berekenen tussen de voorspelde waarde en de werkelijke doelwaarde voor elk datapunt in de trainingsset.
Deze verschillen worden residuen (of fouten) genoemd. Het doel is om de residuen zo klein mogelijk te maken.
Ordinary Least Squares
De standaardmethode is de Ordinary Least Squares (OLS) methode:
Neem elk residu, kwadrateer het (voornamelijk om het teken van een residu te elimineren), en sommeer ze allemaal.
Dit wordt SSR (Sum of squared residuals) genoemd. De taak is om de parameters te vinden die de SSR minimaliseren.
Normale Vergelijking
Gelukkig hoeven we niet alle lijnen te proberen en de SSR voor elk te berekenen. De taak om de SSR te minimaliseren heeft een wiskundige oplossing die niet veel rekenkracht vereist.
Deze oplossing wordt de Normale Vergelijking genoemd.
Deze vergelijking geeft ons de parameters van een lijn met de kleinste SSR.
Niet helemaal duidelijk hoe het werkt? Geen zorgen! Het is vrij complexe wiskunde. Maar je hoeft de parameters niet zelf uit te rekenen. Veel bibliotheken hebben lineaire regressie al geïmplementeerd.
Quiz
1. Bekijk de bovenstaande afbeelding. Welke regressielijn is beter?
2. y_true - y_predicted wordt genoemd
Bedankt voor je feedback!
Vraag AI
Vraag AI
Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.
Can you explain what the Normal Equation is in simpler terms?
What is the difference between residuals and SSR?
Why do we square the residuals in the OLS method?
Awesome!
Completion rate improved to 5.26Het Vinden van de Parameters
Veeg om het menu te tonen
We weten nu dat lineaire regressie simpelweg een lijn is die het beste bij de gegevens past. Maar hoe bepaal je welke lijn de juiste is?
Het is mogelijk om het verschil te berekenen tussen de voorspelde waarde en de werkelijke doelwaarde voor elk datapunt in de trainingsset.
Deze verschillen worden residuen (of fouten) genoemd. Het doel is om de residuen zo klein mogelijk te maken.
Ordinary Least Squares
De standaardmethode is de Ordinary Least Squares (OLS) methode:
Neem elk residu, kwadrateer het (voornamelijk om het teken van een residu te elimineren), en sommeer ze allemaal.
Dit wordt SSR (Sum of squared residuals) genoemd. De taak is om de parameters te vinden die de SSR minimaliseren.
Normale Vergelijking
Gelukkig hoeven we niet alle lijnen te proberen en de SSR voor elk te berekenen. De taak om de SSR te minimaliseren heeft een wiskundige oplossing die niet veel rekenkracht vereist.
Deze oplossing wordt de Normale Vergelijking genoemd.
Deze vergelijking geeft ons de parameters van een lijn met de kleinste SSR.
Niet helemaal duidelijk hoe het werkt? Geen zorgen! Het is vrij complexe wiskunde. Maar je hoeft de parameters niet zelf uit te rekenen. Veel bibliotheken hebben lineaire regressie al geïmplementeerd.
Quiz
1. Bekijk de bovenstaande afbeelding. Welke regressielijn is beter?
2. y_true - y_predicted wordt genoemd
Bedankt voor je feedback!
