Menu
CoddyTech

Lineare Regression

Lektion 16 von 19 im Kurs Einführung in maschinelles Lernen von Coddy.

Die lineare Regression ist einer der grundlegendsten Algorithmen im maschinellen Lernen zur Vorhersage einer kontinuierlichen Variable. Sie ist die Standardmethode zur Schätzung der Beziehungen zwischen Variablen und für Prognosen. Egal, ob Sie Hauspreise, Börsentrends oder Temperaturen vorhersagen, die lineare Regression kann Einblicke darüber geben, wie diese Variablen korrelieren.
 

Quelle: Wikipedia

Die lineare Regression versucht, die Beziehung zwischen zwei oder mehr Variablen zu modellieren, indem eine lineare Gleichung an beobachtete Daten angepasst wird. Eine Variable wird als erklärende Variable (unabhängig) betrachtet, und die andere wird als abhängige Variable betrachtet.
Die einfachste Form der linearen Regressionsgleichung mit einer abhängigen und einer unabhängigen Variable ist wie folgt definiert:

y=\alpha+ \beta x
  • Alpha stellt den Schnittpunkt mit der y-Achse dar
  • Beta stellt die Steigung dar
quiz iconTeste dich selbst

Diese Lektion enthält ein kurzes Quiz. Starte die Lektion, um es zu beantworten und deinen Fortschritt zu speichern.

quiz iconTeste dich selbst

Diese Lektion enthält ein kurzes Quiz. Starte die Lektion, um es zu beantworten und deinen Fortschritt zu speichern.

quiz iconTeste dich selbst

Diese Lektion enthält ein kurzes Quiz. Starte die Lektion, um es zu beantworten und deinen Fortschritt zu speichern.

challenge icon

Aufgabe

Einfach

Erstellen Sie eine Funktion namens linear_equation, die eine Liste, die einen Datenpunkt darstellt, und eine Liste, die die Koeffizienten der linearen Gleichung darstellt, entgegennimmt. 

Die Funktion gibt das Ergebnis der linearen Gleichung zurück.

 

Zum Beispiel

  • wenn n = 2, dann ist die Anzahl der Koeffizienten zwei: y = b[0] + b[1]*x[1]
  • wenn n = 3, dann ist die Anzahl der Koeffizienten drei: y = b[0] + b[1]*x[1] + b[2]*x[2]

 

Probier es selbst

def linear_equation(coef, x):
    # Hier Code schreiben

Alle Lektionen in Einführung in maschinelles Lernen

Übe selbstständig: Online-Python-Compiler