Regresja liniowa
Lekcja 16 z 19 w kursie Wprowadzenie do uczenia maszynowego w Coddy.
Regresja liniowa jest jednym z najbardziej podstawowych algorytmów uczenia maszynowego służących do przewidywania zmiennej ciągłej. To najczęściej wybierana metoda szacowania zależności między zmiennymi i prognozowania. Niezależnie od tego, czy przewidujesz ceny domów, trendy na giełdzie czy temperatury, regresja liniowa może dostarczyć informacji o korelacji między tymi zmiennymi.
Źródło: Wikipedia
Regresja liniowa próbuje modelować zależność między dwiema lub większą liczbą zmiennych przez dopasowanie równania liniowego do zaobserwowanych danych. Jedna zmienna jest uznawana za zmienną objaśniającą (niezależną), a druga za zmienną zależną.
Najprostsza postać równania regresji liniowej z jedną zmienną zależną i jedną niezależną jest zdefiniowana następująco:
- Alfa oznacza punkt przecięcia z osią y
- Beta oznacza nachylenie
Sprawdź sięTa lekcja zawiera krótki quiz. Zacznij lekcję, żeby na niego odpowiedzieć i śledzić swoje postępy.
Sprawdź sięTa lekcja zawiera krótki quiz. Zacznij lekcję, żeby na niego odpowiedzieć i śledzić swoje postępy.
Sprawdź sięTa lekcja zawiera krótki quiz. Zacznij lekcję, żeby na niego odpowiedzieć i śledzić swoje postępy.
Wyzwanie
ŁatwyUtwórz funkcję o nazwie linear_equation, która przyjmuje listę reprezentującą punkt danych oraz listę reprezentującą współczynniki równania liniowego.
funkcja zwraca wynik równania liniowego.
Na przykład
- jeśli
n = 2, liczba współczynników wynosi dwa:y = b[0] + b[1]*x[1] - jeśli
n = 3, liczba współczynników wynosi trzy:y = b[0] + b[1]*x[1] + b[2]*x[2]
Spróbuj swoich sił
def linear_equation(coef, x):
# Wpisz kod tutajWszystkie lekcje w sekcji Wprowadzenie do uczenia maszynowego
6Inne modele
Regresja logistycznaRegresja liniowaDrzewo decyzyjneMaszyna wektorów nośnych (SVM)Quiz o modelachPoćwicz samodzielnie: Kompilator Python online