Vad är linjär regression
Grundläggande begrepp
Regression är en övervakad inlärningsuppgift som innebär att förutsäga ett numeriskt värde (t.ex. priset på ett hus), kallat målvariabel, baserat på en uppsättning indata (t.ex. storlek, ålder, läge, etc.), vilka kallas egenskaper.
För att träna modellen måste du tillhandahålla många exempel på sådana hus, både egenskaper och målvariabel. Den uppsättning exempel du tränar modellen på kallas träningsmängd.
Den enklaste modellen som kan utföra regressionsuppgifter är en linjär regression. Betrakta detta spridningsdiagram som visar en persons längd och hans fars längd.
Hur det fungerar
Vad enkel linjär regression gör är att anpassa en rät linje till data så att linjen ligger så nära datapunkterna som möjligt.
Göra förutsägelser
Nu kan denna linje användas för att förutsäga målet för en ny punkt.
Till exempel, anta att du vill förutsäga en persons längd om hans far är 63.5 tum lång. Välj bara en punkt på linjen som motsvarar X=63.5, och dess y-värde är vår förutsägelse, enkelt och smidigt.
Modellen förutsäger att personen är 64.3 tum lång.
Enkel linjär regressions-ekvation
Som du kanske minns från skolan är funktionen för en linje y=b+ax, så under träningen lär sig enkel linjär regression bara vilka värden a och b ska ha för att bilda en önskad linje. De värden som modellen lär sig kallas parametrar, och längre fram i kursen kommer vi att beteckna parametrar med 𝛽 istället för a, b. Så vår enkla linjära regressions-ekvation är:
1. Vid regression kallas det värde vi vill förutsäga:
2. Fyll i luckorna
Tack för dina kommentarer!
Fråga AI
Fråga AI
Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal
Can you explain what the training set is in more detail?
How does the model determine the best line for the data?
What do the parameters 𝛽₀ and 𝛽₁ represent in the regression equation?
Awesome!
Completion rate improved to 5.26Vad är linjär regression
Svep för att visa menyn
Grundläggande begrepp
Regression är en övervakad inlärningsuppgift som innebär att förutsäga ett numeriskt värde (t.ex. priset på ett hus), kallat målvariabel, baserat på en uppsättning indata (t.ex. storlek, ålder, läge, etc.), vilka kallas egenskaper.
För att träna modellen måste du tillhandahålla många exempel på sådana hus, både egenskaper och målvariabel. Den uppsättning exempel du tränar modellen på kallas träningsmängd.
Den enklaste modellen som kan utföra regressionsuppgifter är en linjär regression. Betrakta detta spridningsdiagram som visar en persons längd och hans fars längd.
Hur det fungerar
Vad enkel linjär regression gör är att anpassa en rät linje till data så att linjen ligger så nära datapunkterna som möjligt.
Göra förutsägelser
Nu kan denna linje användas för att förutsäga målet för en ny punkt.
Till exempel, anta att du vill förutsäga en persons längd om hans far är 63.5 tum lång. Välj bara en punkt på linjen som motsvarar X=63.5, och dess y-värde är vår förutsägelse, enkelt och smidigt.
Modellen förutsäger att personen är 64.3 tum lång.
Enkel linjär regressions-ekvation
Som du kanske minns från skolan är funktionen för en linje y=b+ax, så under träningen lär sig enkel linjär regression bara vilka värden a och b ska ha för att bilda en önskad linje. De värden som modellen lär sig kallas parametrar, och längre fram i kursen kommer vi att beteckna parametrar med 𝛽 istället för a, b. Så vår enkla linjära regressions-ekvation är:
1. Vid regression kallas det värde vi vill förutsäga:
2. Fyll i luckorna
Tack för dina kommentarer!
