Поскольку я уже поделился основным определением линейной регрессии в своей первой статье Часть 1 , а теперь добавляю некоторые важные концепции линейной регрессии. Кроме того, эти темы часто задают в интервью. Давайте начнем с этих понятий в форме анкеты, чтобы вы могли добавить их при подготовке к интервью. Здесь самая первая тема — Функция стоимости . Вопрос 1 : Как получить наиболее подходящую линию регрессии? Решение . В линейной регрессии основной целью этой модели..

Линейная регрессия - один из самых фундаментальных и наиболее простых алгоритмов машинного обучения . Если кто-то спросит вас: «Что вы знаете о ML?» и вы отвечаете, что знаете кое-что о линейной регрессии, они будут считать, что вы знакомы с настоящим машинным обучением, но не используйте этот жаргон, если вы ничего о нем не знаете! Линейная регрессия соответствует линии между заданными точками данных. Например, время, когда вы рисовали линию, проходящую через максимальные точки на..

В машинном обучении можно использовать различные методы оптимизации, чтобы уменьшить ошибку и, таким образом, повысить точность скорости. В этой статье мы обсудим оптимизацию моделей машинного обучения с помощью метода нормального уравнения , и чтобы понять это, мы должны сначала взглянуть на концепцию функции стоимости . Функция стоимости функция стоимости , хотя и имеет разные варианты (см. MAE, RMSE, MSE), в основном содержит 2 переменные ( y_real, y_predicted ); Это..

Если мы попытаемся представить это в визуальных терминах, наш набор обучающих данных будет разбросан в плоскости x-y. Мы пытаемся провести прямую линию ( hθ ( x )), которая проходит через эти разбросанные точки данных. Наша цель - получить лучшую возможную линию. Наилучшая возможная линия будет такой, чтобы средние квадраты вертикальных расстояний разбросанных точек от линии были наименьшими. В идеале линия должна проходить через все точки нашего обучающего набора данных. В таком..

В машинном обучении основная процедура выглядит следующим образом: передача набора данных в программу машинного обучения. Программа выводит функцию, моделирующую этот набор данных, а затем программа может начать делать прогнозы на основе своей производной функции. Оказывается, одна из основных целей программы машинного обучения при попытке придумать эту функцию - найти способ оптимизировать эту функцию, чтобы как можно лучше смоделировать данный набор данных. И есть несколько известных..

В этой статье мы расшифруем линейную регрессию. Эта статья будет содержать следующие разделы: - 1) Что такое линейная регрессия? 2) Образец примера 3) Градиентный спуск 4) Пример цен на жилье в Бостоне 5. Выводы 1) Что такое линейная регрессия? Это форма машинного обучения с учителем, в которой лежащая в основе взаимосвязь между функциями является линейной. Попробуйте угадать пример линейной регрессии: - Правильный ответ - ©. Теперь давайте рассмотрим..