רגרסיה ליניארית
שיעור 16 מתוך 19 בקורס מבוא ללמידת מכונה של Coddy.
רגרסיה ליניארית היא אחד האלגוריתמים הבסיסיים ביותר בלמידת מכונה לחיזוי של משתנה רציף. היא השיטה המועדפת להערכת הקשרים בין משתנים ולחיזוי. בין אם אתם חוזים מחירי בתים, מגמות בשוק המניות או טמפרטורות, רגרסיה ליניארית יכולה לספק תובנות לגבי המתאם בין המשתנים האלה.
מקור: ויקיפדיה
רגרסיה ליניארית מנסה למדל את הקשר בין שני משתנים או יותר באמצעות התאמת משוואה ליניארית לנתונים שנצפו. משתנה אחד נחשב למשתנה מסביר (בלתי תלוי), והאחר נחשב למשתנה תלוי.
הצורה הפשוטה ביותר של משוואת הרגרסיה הליניארית, עם משתנה תלוי אחד ומשתנה בלתי תלוי אחד, מוגדרת כך:
- אלפא מייצגת את נקודת החיתוך עם ציר y
- בטא מייצגת את השיפוע
בחנו את עצמכםהשיעור הזה כולל חידון קצר. התחילו את השיעור כדי לענות עליו ולעקוב אחרי ההתקדמות.
בחנו את עצמכםהשיעור הזה כולל חידון קצר. התחילו את השיעור כדי לענות עליו ולעקוב אחרי ההתקדמות.
בחנו את עצמכםהשיעור הזה כולל חידון קצר. התחילו את השיעור כדי לענות עליו ולעקוב אחרי ההתקדמות.
אתגר
קלצרו פונקציה בשם linear_equation שמקבלת רשימה שמייצגת נקודת נתונים ורשימה שמייצגת את המקדמים של המשוואה הלינארית.
הפונקציה מחזירה את הפלט של המשוואה הלינארית.
לדוגמה
- אם
n = 2, אז מספר המקדמים הוא שניים:y = b[0] + b[1]*x[1] - אם
n = 3, אז מספר המקדמים הוא שלושה:y = b[0] + b[1]*x[1] + b[2]*x[2]
נסו בעצמכם
def linear_equation(coef, x):
# כתבו כאן את הקודכל השיעורים ביחידה מבוא ללמידת מכונה
תרגלו בעצמכם: קומפיילר Python אונליין