Линейная регрессия — это метод поиска прямой линии или гиперплоскости, которая лучше всего соответствует набору точек. Этот модуль интуитивно исследует линейную регрессию, прежде чем заложить основу для подхода машинного обучения к линейной регрессии.
Спуск в ML
Обучение на данных
- Есть много сложных способов учиться на данных
- Но мы можем начать с чего-то простого и знакомого
- Начав с простого, вы откроете двери для некоторых широко полезных методов.
Удобная функция потерь для регрессии
L 2 Потери для данного примера также называют квадратичной ошибкой.
= Квадрат разницы между предсказанием и меткой
= (наблюдение - прогноз) 2
= (у - у') 2
Определение потерь L 2 в наборе данных
$$ L_2Loss = \sum_{(x,y)\in D} (y - prediction(x))^2 $$
\(\sum \text{:We're summing over all examples in the training set.}\)\(D \text{: Sometimes useful to average over all examples,}\)\(\text{so divide by} {\|D\|}.\)