Линейная регрессия
Урок 16 из 19 курса Введение в машинное обучение на Coddy.
Линейная регрессия — один из самых фундаментальных алгоритмов в машинном обучении для прогнозирования непрерывной переменной. Это основной метод для оценки взаимосвязей между переменными и прогнозирования. Независимо от того, предсказываете ли вы цены на жилье, тенденции фондового рынка или температуру, линейная регрессия может дать представление о том, как эти переменные коррелируют.
Источник: wikipedia
Линейная регрессия пытается моделировать взаимосвязь между двумя или более переменными путем подбора линейного уравнения к наблюдаемым данным. Одна переменная считается объясняющей (независимой), а другая — зависимой.
Простейшая форма уравнения линейной регрессии с одной зависимой и одной независимой переменной определяется следующим образом:
- Альфа представляет собой точку пересечения с осью y
- Бета представляет собой наклон
Проверьте себяВ этом уроке есть небольшой тест. Начните урок, чтобы ответить на вопросы и сохранить прогресс.
Проверьте себяВ этом уроке есть небольшой тест. Начните урок, чтобы ответить на вопросы и сохранить прогресс.
Проверьте себяВ этом уроке есть небольшой тест. Начните урок, чтобы ответить на вопросы и сохранить прогресс.
Задание
ЛегкоСоздайте функцию с именем linear_equation, которая принимает список, представляющий точку данных, и список, представляющий коэффициенты линейного уравнения.
функция возвращает результат линейного уравнения.
Например
- если
n = 2, то количество коэффициентов равно двум:y = b[0] + b[1]*x[1] - если
n = 3, то количество коэффициентов равно трем:y = b[0] + b[1]*x[1] + b[2]*x[2]
Попробуйте сами
def linear_equation(coef, x):
# Напишите здесь кодВсе уроки раздела Введение в машинное обучение
6Другие модели
Логистическая регрессияЛинейная регрессияДерево решенийМетод опорных векторов (SVM)Тест по моделямПотренируйтесь самостоятельно: Онлайн-компилятор Python