หลักสูตรข้อขัดข้องของแมชชีนเลิร์นนิงเวอร์ชันใหม่ที่ได้รับการปรับปรุงจะพร้อมให้บริการในเดือนสิงหาคม 2024 โปรดติดตามต่อไป
การถดถอยเชิงเส้น คือวิธีการหาเส้นตรงหรือระนาบที่พอดีกับชุดของจุด โมดูลนี้จะสํารวจการถดถอยเชิงเส้นอย่างเหมาะสมก่อนวางรากฐานสําหรับแนวทางแมชชีนเลิร์นนิงสําหรับการถดถอยเชิงเส้น
จุดประสงค์การเรียนรู้
รีเฟรชความทรงจําเมื่อใช้การเลือกเส้นให้พอดี
เชื่อมโยงน้ําหนักและการให้น้ําหนักพิเศษของแมชชีนเลิร์นนิงกับความชันและออฟเซ็ตในการปรับเส้นให้พอดี
ทําความเข้าใจ "การสูญเสีย&การเสนอราคา โดยเฉพาะการเสียรายได้โดยรวมและการสูญเสียกําลังสอง
ลง ML
การเรียนรู้จากข้อมูล
การเรียนรู้ข้อมูลต่างๆ จากข้อมูลทําได้หลายวิธี
แต่เราเริ่มต้นด้วยสิ่งที่เรียบง่ายและคุ้นเคย
เริ่มต้นง่ายๆ จะเปิดประตูสู่วิธีการที่มีประโยชน์ในวงกว้าง
ฟังก์ชันการสูญเสียความสะดวกสําหรับการถดถอย
การสูญเสีย 2 สําหรับตัวอย่างที่ระบุเรียกอีกอย่างว่าข้อผิดพลาดกําลังสอง
= ผลต่างของการคาดการณ์ระหว่างป้ายกํากับและป้ายกํากับ
= (การสังเกตการณ์ - การคาดการณ์)2
= (y - y')2
การกําหนดการสูญเสีย 2 ชุดข้อมูล
$$ L_2Loss = \sum_{(x,y)\in D} (y - prediction(x))^2 $$
\(\sum \text{:We're summing over all examples in the training set.}\)
\(D \text{: Sometimes useful to average over all examples,}\)
\(\text{so divide by} {\|D\|}.\)
เสียงพากย์สําหรับการบรรยายวิดีโอนี้สร้างขึ้นโดยใช้เทคนิคแมชชีนเลิร์นนิง โปรดช่วยเราปรับแต่งเทคโนโลยีเสียงพากย์
คลิก "ส่งความคิดเห็น" ด้านบนเพื่อส่งรายงานข้อบกพร่องและคําแนะนํา
หากต้องการเปลี่ยนเป็นเสียงภาษาอังกฤษ ให้เลือกภาษาอังกฤษจากเมนูแบบเลื่อนลงที่ด้านซ้ายล่างของหน้าเว็บ