La regresión lineal es un método para encontrar la línea recta o el hiperplano que mejor se adapta a un conjunto de puntos. En este módulo, se explora la regresión lineal de forma intuitiva antes de establecer las bases para un enfoque de aprendizaje automático hacia la regresión lineal.
Estudio detallado del AA
Aprender de los datos
- Hay muchas formas complejas de aprender de los datos
- Pero podemos comenzar con algo simple y familiar
- Comenzar con algo simple abrirá la puerta a algunos métodos ampliamente útiles
Una función de pérdida conveniente para la regresión
L2La pérdida para un ejemplo determinado también se denomina error cuadrático.
= Cuadrado de la diferencia entre la predicción y la etiqueta
= (observación - predicción)2
= (y - y&33;)2
Cómo definir la pérdida L2 en un conjunto de datos
$$ L_2Loss = \sum_{(x,y)\in D} (y - prediction(x))^2 $$
\(\sum \text{:We're summing over all examples in the training set.}\) \(D \text{: Sometimes useful to average over all examples,}\) \(\text{so divide by} {\|D\|}.\)