Menu
CoddyTech
Bắt đầu học

Khớp bình phương tối thiểu

Thuộc phần Thống kê cho machine learning trong hành trình Machine Learning của Coddy. Bài học 36 trên 64.

Việc đoán các đường thẳng có thể kéo dài mãi. np.polyfit(x, y, 1) tìm ra đường thẳng phù hợp nhất ngay lập tức: đường thẳng có tổng bình phương phần dư nhỏ nhất. Đây là độ sâu tuyết trong một trận bão:

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))

Lệnh này in ra 9.5 4.5: tuyết dày thêm khoảng 9.5 cm mỗi giờ, và dày 4.5 cm vào giờ 0. Không có đường nào khác có sai số nhỏ hơn:

Độ dày tuyết theo số giờ được biểu diễn bằng năm chấm, cùng ba đường: hai đường nét đứt phỏng đoán có tổng bình phương phần dư lần lượt là 159 và 18, và đường polyfit nét đậm có tổng là 6.5

1 yêu cầu một đường thẳng, và x đứng trước. Đây là hồi quy tuyến tính (linear regression), mô hình đầu tiên bạn huấn luyện trong phần 3.

challenge icon

Thử thách

Trung bình

Một nhà sản xuất drone muốn biết phép đo nào dự đoán thời gian bay chính xác nhất. drones.csv chứa dữ liệu của 15 chuyến bay: payload_g, wind_kmh và flight_min. Phần code khởi đầu tải dữ liệu và định nghĩa ssr(x, y, slope, intercept).

  1. Với mỗi cột trong columns, hãy khớp một đường thẳng dùng cột đó để dự đoán flight_min.
  2. In phương trình và SSR như bên dưới: hệ số góc có 3 chữ số thập phân, hệ số chặn và SSR có 2 chữ số thập phân.
  3. In tên cột có SSR nhỏ hơn.

Đối với một drone khác:

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

Tự làm thử

import numpy as np
import pandas as pd


# Trả về tổng bình phương phần dư của đường thẳng slope * x + intercept (bài học 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"]

# Viết code của bạn bên dưới
quiz iconTự kiểm tra

Bài học này có một bài trắc nghiệm ngắn. Bắt đầu bài học để trả lời và theo dõi tiến độ.

Tất cả bài học trong Thống kê cho machine learning

1Giá trị trung tâm và độ phân tán

Giá trị trung bình và trung vịPhân vị và tứ phân vịPhương sai và độ lệch chuẩnMẫu hay tổng thể?Giá trị xuất hiện nhiều nhấtÔn tập: Thời gian giao hàng

4Mẫu và tổng thể

Tổng thể và mẫuTrung bình mẫu biến thiênPhân phối mẫuMẫu lớn hơn, ít nhiễu hơnÔn tập: khảo sát một thị trấn

7Đường xu hướng

Phần dưKhớp bình phương tối thiểuVẽ đường khớpDự đoán bằng đường thẳngĐường khớp chính xác đến đâu?Ôn tập: Giờ luyện tập

10Mã hóa danh mục

Danh mục dưới dạng sốMã hóa one-hotPhân nhóm sốÔn tập: tin đăng xe

2Các phân phối

Biểu đồ tần suất mật độHình dạng của dữ liệuĐường cong chuẩnQuy tắc 68-95-99,7Điểm ZÔn tập: Thời lượng pin

5Giá trị ngoại lệ

Biểu đồ hộpQuy tắc IQRQuy tắc điểm ZXử lý giá trị ngoại lệÔn tập: Lỗi cảm biến

8So sánh các nhóm

Biểu đồ hộp theo nhómChênh lệch giữa các giá trị trung bìnhCó thể chỉ là ngẫu nhiên không?Giá trị pKiểm định tÔn tập: Thử nghiệm A/B

11Khám phá bộ dữ liệu

Nhìn qua lần đầuTất cả đặc trưng cùng lúcĐối chiếu đặc trưng với nhãnHai đặc trưng tốt nhấtÔn tập: dữ liệu bệnh tiểu đường

3Xác suất qua mô phỏng

Xác suất dưới dạng tần suấtLuật số lớnTổng điểm khi gieo xúc xắcGiá trị kỳ vọngXác suất có điều kiệnÔn tập: Tỷ lệ thắng ở quầy xúc xắc

6Mối quan hệ

Đọc biểu đồ phân tánTương quanMa trận tương quanBản đồ nhiệt tương quanTương quan không đồng nghĩa với quan hệ nhân quảÔn tập: Kem và mặt trời

9Co giãn đặc trưng

Vì sao cần co giãn đặc trưngCo giãn Min-MaxChuẩn hóaStandardScalerÔn tập: bạn đồng hành leo núi

12Thử thách cuối

Tàu trễ giờChất lượng không khíHóa học trong rượu vangKhảo sát tại phòng khám

Tự luyện tập: Trình biên dịch Python online