رگرسیون خطی روشی برای یافتن خط مستقیم یا ابر صفحه است که به بهترین وجه با مجموعه ای از نقاط مطابقت دارد. این ماژول رگرسیون خطی را به طور شهودی بررسی می‌کند، قبل از اینکه زمینه را برای رویکرد یادگیری ماشینی به رگرسیون خطی فراهم کند.
نزول به ML
یادگیری از داده ها
- راه های پیچیده زیادی برای یادگیری از داده ها وجود دارد
- اما می توانیم با چیز ساده و آشنا شروع کنیم
- شروع ساده راه را برای برخی از روش های مفید باز می کند
یک تابع از دست دادن راحت برای رگرسیون
L 2 از دست دادن برای مثال داده شده نیز خطای مربع نامیده می شود
= مربع تفاوت بین پیش بینی و برچسب
= (مشاهده - پیش بینی) 2
= (y - y') 2
تعریف از دست دادن L 2 در یک مجموعه داده
$$ L_2Loss = \sum_{(x,y)\in D} (y - prediction(x))^2 $$
\(\sum \text{:We're summing over all examples in the training set.}\)\(D \text{: Sometimes useful to average over all examples,}\)\(\text{so divide by} {\|D\|}.\)