Avsnitt

Förstå linjär regression (del 10 av 17) | Maskininlärning för nybörjare

med Bea Stollnitz

Maskininlärning för nybörjare

I den här videon hjälper Bea Stollnitz, huvudmolnrådgivare på Microsoft, dig att förstå begreppet linjär regression, en grundläggande maskininlärningsalgoritm. Den här videon är en del av serien Machine Learning for Beginners, där vi går igenom olika maskininlärningsämnen och deras implementering med hjälp av Python-kod i Jupyter Notebooks.

I den här videon får du lära dig:

  • Vad linjär regression är och hur det fungerar
  • Så här tolkar du parametrarna för en linjär regressionsmodell
  • Begreppet regression med minsta kvadrat
  • Hur linjär regression kan utökas till flera funktioner

Vi börjar med ett endimensionellt scenario, där vi har en enda funktion x, och förklarar hur linjär regression hittar den bästa linjen som approximeras den allmänna formen för ett moln med datapunkter. Vi går igenom begreppen felminimering och metoden för minsta kvadrat. Sedan ska vi kortfattat ta upp hur linjär regression kan utökas till flera funktioner.

I slutet av den här videon har du en gedigen förståelse för de grundläggande begreppen bakom linjär regression och förbereder dig för nästa video i vår serie, där vi diskuterar korrelation och dess betydelse när vi tränar linjära regressionsmodeller.

Håll dig uppdaterad om nästa video i den här serien, där vi går djupare in på olika maskininlärningsämnen och vägleder dig genom implementeringen med hjälp av Python-kod i Jupyter Notebooks. Vi ses där!

Kapitel

  • 00:00 - Introduktion
  • 00:13 – Vad är linjär regression?
  • 01:10 – Minsta kvadratregression
  • 01:27 – Flerdimensionell linjär regression för flera funktioner
  • 01:52 – Den matematiska funktionen för 1 dimensionell linjär regression

Anslut

Azure Machine Learning
Python