الانحدار الخطي: تمرين على المَعلمات
تنظيم صفحاتك في مجموعات
يمكنك حفظ المحتوى وتصنيفه حسب إعداداتك المفضّلة.
يعرض الرسم البياني أدناه 20 مثالاً من مجموعة بيانات خاصة بكفاءة استهلاك الوقود، حيث تم رسم الميزة (وزن السيارة بالكيلوغرام) على المحور x، وتم رسم التصنيف (عدد الأميال المقطوعة لكل غالون) على المحور y.
مهمتك: اضبط شريطَي التمرير الوزن والانحياز فوق الرسم البياني للعثور على النموذج الخطي الذي يقلّل من خطأ متوسط المربّعات (MSE) في البيانات.
أسئلة يجب أخذها في الاعتبار:
- ما هو أقل متوسط خطأ تربيعي يمكنك تحقيقه؟
- ما هي قيم الوزن والانحياز التي أدّت إلى حدوث هذه الخسارة؟
انقر على رمز الإضافة لعرض الحلّ
يبلغ متوسط الخطأ المربّع للنموذج الخطي الأمثل لهذه البيانات 3.37، مع وزن يبلغ -0.12 وانحياز يبلغ 16.96، كما هو موضّح في الصورة التالية.
إنّ محتوى هذه الصفحة مرخّص بموجب ترخيص Creative Commons Attribution 4.0 ما لم يُنصّ على خلاف ذلك، ونماذج الرموز مرخّصة بموجب ترخيص Apache 2.0. للاطّلاع على التفاصيل، يُرجى مراجعة سياسات موقع Google Developers. إنّ Java هي علامة تجارية مسجَّلة لشركة Oracle و/أو شركائها التابعين.
تاريخ التعديل الأخير: 2025-07-09 (حسب التوقيت العالمي المتفَّق عليه)
[null,null,["تاريخ التعديل الأخير: 2025-07-09 (حسب التوقيت العالمي المتفَّق عليه)"],[],[],null,["# Linear regression: Parameters exercise\n\nThe graph below plots 20 examples from a fuel-efficiency dataset, with the\nfeature (car heaviness in thousands of pounds) plotted on the x-axis and the\nlabel (miles per gallon) plotted on the y-axis.\n\n**Your task:** Adjust the **Weight** and **Bias** sliders above the graph to\nfind the linear model that minimizes MSE loss on the data.\n\n**Questions to consider:**\n\n- What is the lowest MSE you can achieve?\n- What weight and bias values produced this loss?\n\n#### Click the plus icon to see the solution\n\nThe optimal linear model for this data has an MSE of 3.37, with a\nweight of --0.12 and a bias of 16.96, as shown in the following image."]]
