Linjär Regression med Python

Kursinnehåll

Linjär Regression med Python

Linjär Regression med Python

1. Enkel Linjär Regression

Vad är linjär regression Hitta Parametrarna Bygga Linjär Regression med NumPy Bygga Linjär Regression med Statsmodels Utmaning: Förutsäga Huspriser

2. Multipel Linjär Regression

Linjär Regression med Två Variabler Linjär Regression med N Variabler Bygga Multipel Linjär Regression Välja Funktionerna Utmaning: Förutsäga Priser Med Två Variabler

3. Polynomregression

Kvadratisk Regression Polynomregression Bygga Polynomregression Interpolation kontra Extrapolation Utmaning: Utvärdera Modellen

4. Välja Den Bästa Modellen

Mått Överanpassning R-kvadrat Utmaning: Förutsäga Priser med Polynomregression

Hitta Parametrarna

Vi vet nu att linjär regression är en linje som bäst passar data. Men hur kan du avgöra vilken som är den rätta?

Du kan beräkna skillnaden mellan det förutsagda värdet och det faktiska mål-värdet för varje datapunkt i träningsmängden.
Dessa skillnader kallas residualer (eller fel). Målet är att göra residualerna så små som möjligt.

Ordinary Least Squares

Standardmetoden är Ordinary Least Squares (OLS):
Ta varje residual, kvadrera den (främst för att eliminera tecknet på en residual), och summera alla.
Detta kallas SSR (Sum of squared residuals). Uppgiften är att hitta de parametrar som minimerar SSR.

Normalekvationen

Lyckligtvis behöver vi inte prova alla linjer och beräkna SSR för dem. Uppgiften att minimera SSR har en matematisk lösning som inte är särskilt beräkningsintensiv.
Denna lösning kallas Normalekvationen.

Denna ekvation ger oss parametrarna för en linje med lägst SSR.
Förstod du inte hur det fungerar? Ingen fara! Det är ganska komplex matematik. Men du behöver inte beräkna parametrarna för hand. Många bibliotek har redan implementerat linjär regression.

Quiz

1. Titta på bilden ovan. Vilken regressionslinje är bättre?

2. `y_true - y_predicted` kallas

Titta på bilden ovan. Vilken regressionslinje är bättre?

Select the correct answer

Blå (SSR = 43.07)

Grön (SSR = 109.3)

Orange (SSR = 60.43)

Röd (SSR = 64.32)

y_true - y_predicted kallas

Select the correct answer

Residual/Fel

SSR

Normalekvation

Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 1. Kapitel 2

Fråga AI

Fråga AI

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

Kursinnehåll

Linjär Regression med Python

Linjär Regression med Python

1. Enkel Linjär Regression

Vad är linjär regression Hitta Parametrarna Bygga Linjär Regression med NumPy Bygga Linjär Regression med Statsmodels Utmaning: Förutsäga Huspriser

2. Multipel Linjär Regression

Linjär Regression med Två Variabler Linjär Regression med N Variabler Bygga Multipel Linjär Regression Välja Funktionerna Utmaning: Förutsäga Priser Med Två Variabler

3. Polynomregression

Kvadratisk Regression Polynomregression Bygga Polynomregression Interpolation kontra Extrapolation Utmaning: Utvärdera Modellen

4. Välja Den Bästa Modellen

Mått Överanpassning R-kvadrat Utmaning: Förutsäga Priser med Polynomregression

Hitta Parametrarna

Vi vet nu att linjär regression är en linje som bäst passar data. Men hur kan du avgöra vilken som är den rätta?

Du kan beräkna skillnaden mellan det förutsagda värdet och det faktiska mål-värdet för varje datapunkt i träningsmängden.
Dessa skillnader kallas residualer (eller fel). Målet är att göra residualerna så små som möjligt.

Ordinary Least Squares

Standardmetoden är Ordinary Least Squares (OLS):
Ta varje residual, kvadrera den (främst för att eliminera tecknet på en residual), och summera alla.
Detta kallas SSR (Sum of squared residuals). Uppgiften är att hitta de parametrar som minimerar SSR.

Normalekvationen

Lyckligtvis behöver vi inte prova alla linjer och beräkna SSR för dem. Uppgiften att minimera SSR har en matematisk lösning som inte är särskilt beräkningsintensiv.
Denna lösning kallas Normalekvationen.

Denna ekvation ger oss parametrarna för en linje med lägst SSR.
Förstod du inte hur det fungerar? Ingen fara! Det är ganska komplex matematik. Men du behöver inte beräkna parametrarna för hand. Många bibliotek har redan implementerat linjär regression.

Quiz

1. Titta på bilden ovan. Vilken regressionslinje är bättre?

2. `y_true - y_predicted` kallas

Titta på bilden ovan. Vilken regressionslinje är bättre?

Select the correct answer

Blå (SSR = 43.07)

Grön (SSR = 109.3)

Orange (SSR = 60.43)

Röd (SSR = 64.32)

y_true - y_predicted kallas

Select the correct answer

Residual/Fel

SSR

Normalekvation

Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 1. Kapitel 2

some-alt