Régression linéaire: exercice concernant les paramètres
Le graphique ci-dessous représente 20 exemples d'un ensemble de données sur l'efficacité énergétique, avec la caractéristique (poids de la voiture en milliers de livres) représentée sur l'axe X et l'étiquette (miles par gallon) représentée sur l'axe Y.
Votre tâche:Ajustez les curseurs Pondération et Biais au-dessus du graphique pour trouver le modèle linéaire qui minimise la perte MSE sur les données.
Questions à vous poser:
Quelle est la valeur MSE la plus faible que vous pouvez obtenir ?
Quelles valeurs de poids et de biais ont produit cette perte ?
Cliquez sur l'icône Plus pour afficher notre solution.
Pour l'ensemble de points ci-dessous, nous avons pu obtenir une MSE de 2,61 avec un poids de -0,797 et un biais de 19,099.
Sauf indication contraire, le contenu de cette page est régi par une licence Creative Commons Attribution 4.0, et les échantillons de code sont régis par une licence Apache 2.0. Pour en savoir plus, consultez les Règles du site Google Developers. Java est une marque déposée d'Oracle et/ou de ses sociétés affiliées.
Dernière mise à jour le 2025/01/02 (UTC).
[null,null,["Dernière mise à jour le 2025/01/02 (UTC)."],[],[]]