Линейная регрессия Python
Привет, ребята! Сегодня я покажу скрипт Python, связанный с математикой! Если вы хотите продолжить, я дам ссылку на видео, которое поможет вам сделать это, и ссылку git на код. Я также, возможно, сделаю практические инструкции по этому проекту в ближайшее время. Так что, если вы хотите увидеть это, оставьте комментарий ниже и дайте мне знать, что вы думаете. И с этим давайте в это!
Что я сделал?
Итак, если вы еще не знаете, что такое линейная регрессия, вам, вероятно, интересно, что такое линейная регрессия? Не волнуйтесь, я избавлю вас от математики, но если вы хотите проверить это, вы можете найти бесчисленное количество руководств по этому вопросу в Интернете. Но пока я просто объясню это на базовом уровне (насколько я могу). Определение Google для линейной регрессии: В статистике линейная регрессия — это линейный подход к моделированию взаимосвязи между скалярным откликом и одной или несколькими независимыми переменными (также известными как зависимые и независимые переменные). Другими словами, линейная регрессия помогает найти линия наилучшего соответствия в линейном наборе данных. Эта линия будет относительно в середине данных и будет как можно ближе ко всем точкам данных. Если это звучит круто для вас и вы хотите узнать больше, вы можете прочитать эту статью Ади Бронштейна или эту более свежую Сурав Саха
Выпендриваться!
Хорошо, хватит говорить, давайте перейдем к самой интересной части! понты.
Довольно круто, верно? именно так, как я объяснил в предыдущем разделе, код взял несколько точек данных и нашел наилучшую линию соответствия (синяя линия) с помощью линейной регрессии! вы можете заметить, что он имеет точность наверху. Опять же, вам не нужно читать все о математике, поэтому я просто объясню основы. Точность рассчитывается с использованием так называемой квадратичной ошибки. По сути, это то, насколько далеко эта линия наилучшего соответствия находится от остальных данных. Чем больше точек находится далеко, тем ниже точность.
Последние мысли
И это все для сегодняшнего блога! Это было очень весело, и я надеюсь, что вы получили какие-то знания или развлечение от этого. И я знаю, что говорю это в каждом блоге, но на самом деле я искренне это имею в виду!!! Комментарий, подписка или публикация означали бы для меня целый мир. Это действительно помогает, особенно в то время, когда я начинаю вести свои первые несколько блогов, и я вас замечаю! Спасибо. И как обычно, если у вас есть какие-либо мысли или вопросы, я буду рад ответить на них. И с этим продолжайте творить и исследовать, а пока я ухожу!
(Кстати: код находится по ссылке GitHub чуть ниже! и видео в разделе комментариев! (Оставьте комментарий, пока вы тоже там!))
Git и социальные сети
git: https://github.com/powplowdevs/Powplow-Create
Твиттер: https://twitter.com/powplowdevs
купи мне кофе: https://www.buymeacoffee.com/powplowdevs
Спасибо.
