Doğrusal Regresyon
Coddy'nin Makine Öğrenmesine Giriş kursunda ders 16 / 19.
Doğrusal Regresyon, sürekli bir değişkeni tahmin etmek için makine öğrenimindeki en temel algoritmalardan biridir. Değişkenler arasındaki ilişkileri tahmin etmek ve öngörüde bulunmak için başvurulan yöntemdir. İster ev fiyatlarını, ister borsa trendlerini veya sıcaklıkları tahmin ediyor olun, doğrusal regresyon bu değişkenlerin birbiriyle nasıl ilişkili olduğu konusunda fikir verebilir.
Kaynak: wikipedia
Doğrusal regresyon, gözlemlenen verilere doğrusal bir denklem uydurarak iki veya daha fazla değişken arasındaki ilişkiyi modellemeye çalışır. Bir değişken açıklayıcı değişken (bağımsız) olarak kabul edilirken, diğeri bağımlı değişken olarak kabul edilir.
Bir bağımlı ve bir bağımsız değişken içeren doğrusal regresyon denkleminin en basit formu şu şekilde tanımlanır:
- Alfa, y ekseni ile kesişim noktasını temsil eder
- Beta, eğimi temsil eder
Kendini test etBu ders kısa bir quiz içerir. Soruları yanıtlamak ve ilerlemeni kaydetmek için derse başla.
Kendini test etBu ders kısa bir quiz içerir. Soruları yanıtlamak ve ilerlemeni kaydetmek için derse başla.
Kendini test etBu ders kısa bir quiz içerir. Soruları yanıtlamak ve ilerlemeni kaydetmek için derse başla.
Görev
KolayBir veri noktasını temsil eden bir liste ile doğrusal denklemin katsayılarını temsil eden bir liste alan linear_equation adında bir fonksiyon oluşturun.
Fonksiyon, doğrusal denklemin sonucunu döndürür.
Örneğin
- Eğer
n = 2ise, katsayı sayısı ikidir:y = b[0] + b[1]*x[1] - Eğer
n = 3ise, katsayı sayısı üçtür:y = b[0] + b[1]*x[1] + b[2]*x[2]
Kendin dene
def linear_equation(coef, x):
# Buraya kod yazınMakine Öğrenmesine Giriş bölümündeki tüm dersler
6Diğer Modeller
Lojistik RegresyonDoğrusal RegresyonKarar AğacıDestek Vektör Makinesi (SVM)Modeller SınavıKendi başına pratik yap: Online Python derleyicisi