התאמת ריבועים פחותים

חלק מהיחידה סטטיסטיקה ללמידת מכונה במסלול ה-Machine Learning של Coddy. שיעור 36 מתוך 64.

אפשר להמשיך לנחש קווים בלי סוף. np.polyfit(x, y, 1) מוצאת מיד את הקו הטוב ביותר: הקו שסכום השאריות בריבוע שלו הוא הקטן ביותר. הנה עומק השלג בסערה:

hours = np.array([1, 2, 3, 5, 6])
depth = np.array([14, 22, 35, 52, 61])
slope, intercept = np.polyfit(hours, depth, 1)
print(np.round(slope, 2), np.round(intercept, 2))

הפקודה הזו מדפיסה 9.5 4.5: כ־9.5 ס"מ יותר שלג בכל שעה, ו־4.5 ס"מ בשעה 0. אף קו אחר לא מפספס בפחות:

עומק השלג ביחס לשעות, כחמש נקודות, עם שלושה קווים: שני קווים מקווקווים שהם ניחושים, עם סכומי ריבועי שאריות של 159 ו־18, וקו polyfit עבה עם 6.5

ה־1 מבקש קו ישר, ו־x מופיע ראשון. זוהי רגרסיה ליניארית, המודל הראשון שתאמנו ביחידה 3.

אתגר

בינוני

יצרנית רחפנים רוצה לדעת איזו מדידה מנבאת בצורה הטובה ביותר את זמן הטיסה. הקובץ drones.csv מכיל 15 טיסות: payload_g, wind_kmh ו־flight_min. קוד הפתיחה טוען אותו ומגדיר את ssr(x, y, slope, intercept).

עבור כל עמודה ב־columns, התאם את הקו שמנבא את flight_min לפיה.
הדפס את המשוואה שלה ואת SSR כפי שמוצג להלן: שיפוע עם 3 ספרות אחרי הנקודה העשרונית, חיתוך ו־SSR עם 2.
הדפס את העמודה עם ערך ה־SSR הנמוך יותר.

עבור רחפן אחר:

payload_g: flight_min = -0.001 * payload_g + 21.55, SSR 164.94
wind_kmh: flight_min = -0.481 * wind_kmh + 28.13, SSR 9.1
Better predictor: wind_kmh

נסו בעצמכם

import numpy as np
import pandas as pd


# מחזירה את סכום ריבועי השאריות של הישר slope * x + intercept (שיעור 35)
def ssr(x, y, slope, intercept):
    return ((y - (slope * x + intercept)) ** 2).sum()


drones = pd.read_csv("drones.csv")
columns = ["payload_g", "wind_kmh"]

# כתבו את הקוד שלכם למטה

בחנו את עצמכם

השיעור הזה כולל חידון קצר. התחילו את השיעור כדי לענות עליו ולעקוב אחרי ההתקדמות.

כל השיעורים ביחידה סטטיסטיקה ללמידת מכונה

1מרכז ופיזור

ממוצע וחציון אחוזונים ורבעונים שונות וסטיית תקן מדגם או אוכלוסייה?הערך השכיח ביותר סיכום: זמני משלוח

4מדגמים ואוכלוסיות

אוכלוסייה ומדגם ממוצעי מדגמים משתנים התפלגות הדגימה מדגמים גדולים יותר, פחות רעש סיכום: סקר בעיירה

7קווי מגמה

שאריותהתאמת ריבועים פחותיםשרטוט קו ההתאמה חיזוי באמצעות קו עד כמה ההתאמה טובה?סיכום: שעות תרגול

10קידוד קטגוריות

קטגוריות כמספרים קידוד One-Hot חלוקה למקטעים של מספרים סיכום: מודעות רכב

תרגלו בעצמכם: קומפיילר Python אונליין