लीनियर रिग्रेशन ऐसी लाइन या हाइपरप्लेन ढूंढने का तरीका है जो पॉइंट के सेट के लिए सबसे सही होता है. यह मॉड्यूल, लीनियर रिग्रेशन के लिए शुरुआती तौर पर एक्सप्लोर करता है. इससे, मशीन रिग्रेशन को ज़मीनी तौर पर रखरखाव करने के लिए तैयार करने का काम शुरू होता है.
एमएल में घटते क्रम में
डेटा से सीखना
- डेटा से सीखने के कई जटिल तरीके हैं
- हालांकि, हम कोई आसान और जानी-पहचानी चीज़ शुरू कर सकते हैं
- आसान तरीके से शुरू करने पर, कुछ ज़्यादा कारगर तरीके आपके लिए उपलब्ध हो जाएंगे
रिग्रेशन के लिए सुविधाजनक लॉस फ़ंक्शन
किसी दिए गए उदाहरण के लिए, L2 की नुकसान को स्क्वेयर गड़बड़ी भी कहा जाता है
= अनुमान और लेबल के बीच के फ़र्क़ का स्क्वेयर
= (निगरानी - अनुमान)2
= (y - y और #39;)2
डेटा सेट पर L2 की हानि तय करना
$$ L_2Loss = \sum_{(x,y)\in D} (y - prediction(x))^2 $$
\(\sum \text{:We're summing over all examples in the training set.}\) \(D \text{: Sometimes useful to average over all examples,}\) \(\text{so divide by} {\|D\|}.\)