Що Таке Лінійна Регресія
Базові поняття
Регресія — це задача з навчання з учителем, яка полягає у прогнозуванні числового значення (наприклад, ціни будинку), відомого як ціль, на основі набору вхідних змінних (наприклад, площа, вік, розташування тощо), які називаються ознаками.
Для навчання моделі необхідно надати багато прикладів таких будинків, як ознаки, так і ціль. Набір прикладів, на якому навчається модель, називається навчальною вибіркою.
Найпростішою моделлю, здатною виконувати завдання регресії, є лінійна регресія. Розгляньте цей діаграму розсіювання, що відображає зріст людини та зріст його батька.
Як це працює
Проста лінійна регресія полягає у підборі прямої до даних таким чином, щоб ця пряма була якомога ближче до точок даних.
Побудова прогнозів
Тепер ми можемо використовувати цю пряму для прогнозування цільового значення для нової точки.
Наприклад, якщо потрібно передбачити зріст людини, якщо зріст його батька становить 63.5 дюймів. Просто оберіть точку на прямій, що відповідає X=63.5, і її значення y буде нашим прогнозом.
Модель прогнозує, що зріст людини становитиме 64.3 дюйма.
Рівняння простої лінійної регресії
Як ви, можливо, пам'ятаєте зі школи, функція прямої має вигляд y=b+ax, тому під час навчання проста лінійна регресія просто визначає, якими мають бути значення a та b, щоб утворити бажану пряму.
Значення, які модель навчається знаходити, називаються параметрами, і далі в курсі ми будемо позначати параметри як 𝛽 замість a, b.
Отже, наше рівняння простої лінійної регресії виглядає так:
Де:
- β0,β1 – параметри моделі;
- ypred – прогнозоване значення цільової змінної;
- x – значення ознаки.
1. У регресії значення, яке ми хочемо передбачити, називається:
2. Заповніть пропуски
Дякуємо за ваш відгук!
Запитати АІ
Запитати АІ
Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат
Чудово!
Completion показник покращився до 3.33Що Таке Лінійна Регресія
Свайпніть щоб показати меню
Базові поняття
Регресія — це задача з навчання з учителем, яка полягає у прогнозуванні числового значення (наприклад, ціни будинку), відомого як ціль, на основі набору вхідних змінних (наприклад, площа, вік, розташування тощо), які називаються ознаками.
Для навчання моделі необхідно надати багато прикладів таких будинків, як ознаки, так і ціль. Набір прикладів, на якому навчається модель, називається навчальною вибіркою.
Найпростішою моделлю, здатною виконувати завдання регресії, є лінійна регресія. Розгляньте цей діаграму розсіювання, що відображає зріст людини та зріст його батька.
Як це працює
Проста лінійна регресія полягає у підборі прямої до даних таким чином, щоб ця пряма була якомога ближче до точок даних.
Побудова прогнозів
Тепер ми можемо використовувати цю пряму для прогнозування цільового значення для нової точки.
Наприклад, якщо потрібно передбачити зріст людини, якщо зріст його батька становить 63.5 дюймів. Просто оберіть точку на прямій, що відповідає X=63.5, і її значення y буде нашим прогнозом.
Модель прогнозує, що зріст людини становитиме 64.3 дюйма.
Рівняння простої лінійної регресії
Як ви, можливо, пам'ятаєте зі школи, функція прямої має вигляд y=b+ax, тому під час навчання проста лінійна регресія просто визначає, якими мають бути значення a та b, щоб утворити бажану пряму.
Значення, які модель навчається знаходити, називаються параметрами, і далі в курсі ми будемо позначати параметри як 𝛽 замість a, b.
Отже, наше рівняння простої лінійної регресії виглядає так:
Де:
- β0,β1 – параметри моделі;
- ypred – прогнозоване значення цільової змінної;
- x – значення ознаки.
1. У регресії значення, яке ми хочемо передбачити, називається:
2. Заповніть пропуски
Дякуємо за ваш відгук!
