Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lära Vad är linjär regression | Enkel Linjär Regression
Linjär Regression med Python

bookVad är linjär regression

Grundläggande begrepp

Note
Definition

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

question mark

Vid regression kallas det värde vi vill förutsäga:

Select the correct answer

question-icon

Fyll i luckorna

In the example, we predicted a person's height based on his father's height.
Then the father's height is a .
The person's height is a
.
Previous records with other people's and their father's known heights form a
.

Click or drag`n`drop items and fill in the blanks

Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 1. Kapitel 1

Fråga AI

expand

Fråga AI

ChatGPT

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal

Awesome!

Completion rate improved to 5.26

bookVad är linjär regression

Svep för att visa menyn

Grundläggande begrepp

Note
Definition

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

question mark

Vid regression kallas det värde vi vill förutsäga:

Select the correct answer

question-icon

Fyll i luckorna

In the example, we predicted a person's height based on his father's height.
Then the father's height is a .
The person's height is a
.
Previous records with other people's and their father's known heights form a
.

Click or drag`n`drop items and fill in the blanks

Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 1. Kapitel 1
some-alt