Lebih dalam tentang ML

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

  • 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
Model melakukan overfitting datanya

Kerugian L2 untuk contoh yang diberikan juga disebut galat kuadrat

= Kuadrat perbedaan antara prediksi dan label

= (observasi - prediksi)2

= (y - y')2

Grafik nilai yang diprediksi vs. kerugian

$$ KerugianL_2 = \sum_{(x,y)\in D} (y - prediksi(x))^2 $$

\(\sum \text{:Kita menjumlahkan semua contoh di set pelatihan.}\) \(D \text{: Terkadang berguna untuk rata-rata di atas semua contoh,}\) \(\text{jadi bagi dengan} \frac{1}{\|D\|}.\)