Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Вивчайте Що таке лінійна регресія | Проста Лінійна Регресія
Лінійна Регресія з Python
course content

Зміст курсу

Лінійна Регресія з Python

Лінійна Регресія з Python

1. Проста Лінійна Регресія
2. Множинна Лінійна Регресія
3. Поліноміальна Регресія
4. Вибір Найкращої Моделі

book
Що таке лінійна регресія

Базові поняття

Note
Визначення

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, розмір, 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 регресійні завдання, 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.

Виконання прогнозів

Тепер можна використати цю пряму для прогнозування цільового значення для нової точки.
Наприклад, якщо потрібно передбачити зріст людини, якщо зріст його батька становить 63.5 дюйма. Просто виберіть 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 могли пам'ятати 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 визначає під час навчання, називаються параметрами, і далі в курсі ми будемо позначати параметри як 𝛽 замість a, b.
Отже, наше рівняння простої лінійної регресії виглядає так:

1. У регресії значення, яке ми хочемо передбачити, називається:

2. Заповніть пропуски

question mark

У регресії значення, яке ми хочемо передбачити, називається:

Select the correct answer

question-icon

Заповніть пропуски

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
.

Натисніть або перетягніть елементи та заповніть пропуски

Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

Секція 1. Розділ 1

Запитати АІ

expand

Запитати АІ

ChatGPT

Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат

course content

Зміст курсу

Лінійна Регресія з Python

Лінійна Регресія з Python

1. Проста Лінійна Регресія
2. Множинна Лінійна Регресія
3. Поліноміальна Регресія
4. Вибір Найкращої Моделі

book
Що таке лінійна регресія

Базові поняття

Note
Визначення

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, розмір, 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 регресійні завдання, 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.

Виконання прогнозів

Тепер можна використати цю пряму для прогнозування цільового значення для нової точки.
Наприклад, якщо потрібно передбачити зріст людини, якщо зріст його батька становить 63.5 дюйма. Просто виберіть 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 могли пам'ятати 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 визначає під час навчання, називаються параметрами, і далі в курсі ми будемо позначати параметри як 𝛽 замість a, b.
Отже, наше рівняння простої лінійної регресії виглядає так:

1. У регресії значення, яке ми хочемо передбачити, називається:

2. Заповніть пропуски

question mark

У регресії значення, яке ми хочемо передбачити, називається:

Select the correct answer

question-icon

Заповніть пропуски

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
.

Натисніть або перетягніть елементи та заповніть пропуски

Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

Секція 1. Розділ 1
some-alt