Математика
1121вопрос
Другое
687вопросов
Русский язык
346вопросов
Литература
175вопросов
Черчение
93вопроса
Информатика
75вопросов
Химия
72вопроса
Физика
67вопросов
Биология
62вопроса
История
62вопроса
Английский язык
60вопросов
Экономика
58вопросов
Другие предметы
57вопросов
География
55вопросов
Социология
50вопросов
Физкультура
47вопросов
Украинский язык
47вопросов
Музыка
47вопросов
Обществознание
46вопросов
Окружающий мир
45вопросов
Право
42вопроса
Психология
42вопроса
Теория вероятностей
41вопрос
Немецкий язык
40вопросов
Физкультура и спорт
38вопросов
Астрономия
33вопроса
Философия
30вопросов
ОБЖ
29вопросов
Казахский язык
28вопросов
Статистика
0вопросов
Экология
0вопросов
Естествознание
0вопросов
Украинская литература
0вопросов
МХК
0вопросов
Белорусский язык
0вопросов
Линейная регрессия (Linear regression) — модель зависимости переменной x от одной или нескольких других переменных (факторов, регрессоров, независимых переменных) с линейной функцией зависимости.
Линейная регрессия относится к задаче определения «линии наилучшего соответствия» через набор точек данных и стала простым предшественником нелинейных методов, которые используют для обучения нейронных сетей. В этой статье покажем вам примеры линейной регрессии
Функция потерь — это мера количества ошибок, которые наша линейная регрессия делает на наборе данных. Хотя есть разные функции потерь, все они вычисляют расстояние между предсказанным значением y(х) и его фактическим значением. Например, взяв строку из среднего примера выше, f(x)=−0.11⋅x+2.5, мы выделяем дистанцию ошибки между фактическими и прогнозируемыми значениями красными пунктирными линиями