Regresi linear adalah metode untuk menemukan garis lurus atau bidang-hiper yang paling sesuai dengan kumpulan data dalam bentuk titik. Modul ini mempelajari tentang regresi linear secara intuitif sebelum meletakkan dasar untuk pendekatan machine learning pada regresi linear.
Lebih dalam tentang ML
Mempelajari Data
- Ada banyak cara kompleks untuk mempelajari data
- Tetapi kita dapat memulai dengan hal yang simpel dan biasa digunakan
- Memulai hal yang simpel akan membuka pintu menuju beberapa metode yang bermanfaat secara luas
Fungsi Kerugian yang Mudah untuk Regresi
Kerugian L2 untuk contoh yang diberikan juga disebut galat kuadrat
= Kuadrat perbedaan antara prediksi dan label
= (observasi - prediksi)2
= (y - y')2
Mendefinisikan Kerugian L2 pada Kumpulan Data
$$ KerugianL_2 = \sum_{(x,y)\in D} (y - prediksi(x))^2 $$
\(\sum \text{:Kita menjumlahkan semua contoh di set pelatihan.}\) \(D \text{: Terkadang berguna untuk rata-rata di atas semua contoh,}\) \(\text{jadi bagi dengan} \frac{1}{\|D\|}.\)