רגרסיה לינארית היא שיטה למציאת הקו הישר או המטוס-העל שמתאים ביותר לקבוצת נקודות. במודול הזה אנחנו בוחנים רגרסיה לינארית לפני שמתחילים להניח את התשתית לגישת למידה חישובית לרגרסיה לינארית.
סדר יורד ללמידת מכונה
למידה מנתונים
- יש הרבה דרכים מורכבות ללמוד מהנתונים
- אבל אנחנו יכולים להתחיל במשהו פשוט ומוכר
- פשוט פותחים את הדלת לכמה שיטות מועילות
פונקציה נוחה לאובדן רגרסיה
L2 אובדן בדוגמה מסוימת נקרא גם שגיאה בריבוע
= ריבוע של ההבדל בין החיזוי לבין התווית
= (תצפית - חיזוי)2
= (y - y')2
הגדרת אובדן 2 בקבוצת נתונים
$$ L_2Loss = \sum_{(x,y)\in D} (y - prediction(x))^2 $$
\(\sum \text{:We're summing over all examples in the training set.}\) \(D \text{: Sometimes useful to average over all examples,}\) \(\text{so divide by} {\|D\|}.\)