Искусственный интеллект. Регрессии

Метки

В машинном обучении метка - это то, что мы хотим предсказать.

Метка - это y на линейном графике:

y = x

Характеристики

Характеристики - это входные переменные.

Характеристики - это значения x на линейном графике:

y = x

Наклон

Наклон - это угол графика.

Наклон - это значение a на линейном графике:

y = ax

Перехват

Перехват - это начальное значение графика.

Перехват - это значение b на линейном графике:

y = ax + b

Модели

Модель определяет отношение между меткой (y) и функциями (x).

В жизни модели есть два этапа:

• Подготовка
• Вмешательство

Линейные регрессии

Регрессия - это метод, используемый для определения взаимосвязи между одной переменной (обычно называемой Y) и другими переменными.

В статистике линейная регрессия - это линейный подход к моделированию взаимосвязи между результатом (y) и другими переменными (x).

Это диаграмма рассеяния (из предыдущей главы):

Это линейный график, соединяющий самую низкую и самую высокую цену:

Это модель линейной регрессии, которая пытается предсказать будущие цены: