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:
- Alpha stellt den Schnittpunkt mit der y-Achse dar
- Beta stellt die Steigung dar
Diese Lektion enthält ein kurzes Quiz. Starte die Lektion, um es zu beantworten und deinen Fortschritt zu speichern.
Diese Lektion enthält ein kurzes Quiz. Starte die Lektion, um es zu beantworten und deinen Fortschritt zu speichern.
Diese Lektion enthält ein kurzes Quiz. Starte die Lektion, um es zu beantworten und deinen Fortschritt zu speichern.
Aufgabe
EinfachErstellen 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 schreibenAlle Lektionen in Einführung in maschinelles Lernen
6Weitere Modelle
Logistische RegressionLineare RegressionEntscheidungsbaumSupport Vector Machine (SVM)Quiz zu ModellenÜbe selbstständig: Online-Python-Compiler