Lineer regresyon
- Makine Öğrenmesi kursu
- Başlangıç
- Ders 42/112
- 5 dk
Lineer regresyon, veriler arasındaki doğrusal ilişkiyi bulur ve bir doğruya uydurur.
Doğru uydurma
Doğrusal regresyon veriye y = w·x + b doğrusunu uydurur. w eğim, b kesişimdir. Birden çok özellikte her özelliğin kendi ağırlığı vardır: y = w₁x₁ + w₂x₂ + ... + b.
m = LinearRegression().fit([[1], [2], [3]], [2, 4, 6])
print(m.coef_) # [2.]
print(m.intercept_) # 0.0 (yaklaşık)Ağırlıklar yorumlanabilir: w = 2, x bir birim artınca y'nin iki birim arttığını söyler.
En küçük kareler
"En iyi" doğru, tahmin hatalarının karelerinin toplamını en küçük yapan doğrudur. Kare almak hem negatif-pozitif hataları eşitler hem de büyük hataları daha çok cezalandırır.
x = np.array([1, 2, 3, 4])
y = np.array([2.1, 3.9, 6.2, 7.8])
w, b = np.polyfit(x, y, 1) # 1. derece: doğru
print(round(w, 2), round(b, 2)) # 1.94 0.15np.polyfit ve LinearRegression aynı en küçük kareler çözümünü bulur.
Uygulama Eğim ve kesişim
İki özellikli X ile bir LinearRegression eğit. coef_ ve intercept_ değerlerini np.round(..., 2) ile yuvarlayıp alt alta yazdır.
Başlangıç kodu
import numpy as np
from sklearn.linear_model import LinearRegression
X = np.array([[1, 0], [0, 1], [1, 1], [2, 1]])
y = 3 * X[:, 0] + 2 * X[:, 1] + 5
# buraya yazÖrnek çözüm
import numpy as np
from sklearn.linear_model import LinearRegression
X = np.array([[1, 0], [0, 1], [1, 1], [2, 1]])
y = 3 * X[:, 0] + 2 * X[:, 1] + 5
m = LinearRegression().fit(X, y)
print(np.round(m.coef_, 2))
print(np.round(m.intercept_, 2))Beklenen çıktı
[3. 2.] 5.0
Soru ve cevaplar
Dersin sorularını cevaplarıyla birlikte inceleyebilirsin. Kendini denemek istersen dersi interaktif olarak çöz.
1 Bir ev modelinde metrekare ağırlığı 15 ise ne anlama gelir?
- Fiyat 15 birimdir
- 15 m²'lik evler en pahalıdır
- Model yüzde 15 hatalıdır
- Her ek m² fiyatı 15 birim artırır Doğru cevap
Açıklama: Ağırlık, diğer özellikler sabitken o özelliğin bir birimlik etkisidir.
2 Öğrenilen eğimi oku.
egim = m.____[0]egim = m.coef_[0]Açıklama: coef_ her özellik için bir ağırlık içeren dizidir.
3 Terimleri eşleştir.
| Kavram | Anlamı |
|---|---|
w |
Eğim (ağırlık) |
b |
Kesişim |
en küçük kareler |
Kare hata toplamını küçültme |
np.polyfit |
Polinom uydurma |