Lineare Regression: Übung zu Parametern
Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Im folgenden Diagramm sind 20 Beispiele aus einem Dataset zur Kraftstoffeffizienz dargestellt. Die Funktion (Gewicht des Autos in Tausend Pfund) ist auf der x-Achse und das Label (Meilen pro Gallone) auf der y-Achse dargestellt.
Ihre Aufgabe:Passen Sie die Schieberegler Gewichtung und Bias über dem Diagramm an, um das lineare Modell zu finden, das den MSE-Verlust für die Daten minimiert.
Wichtige Fragen:
- Was ist der niedrigste MSE, den Sie erreichen können?
- Welche Gewichts- und Bias-Werte haben zu diesem Verlust geführt?
Klicken Sie auf das Pluszeichen, um die Lösung zu sehen.
Das optimale lineare Modell für diese Daten hat einen mittleren quadratischen Fehler von 3,37, ein Gewicht von –0,12 und einen Bias von 16,96, wie im folgenden Bild dargestellt.
Sofern nicht anders angegeben, sind die Inhalte dieser Seite unter der Creative Commons Attribution 4.0 License und Codebeispiele unter der Apache 2.0 License lizenziert. Weitere Informationen finden Sie in den Websiterichtlinien von Google Developers. Java ist eine eingetragene Marke von Oracle und/oder seinen Partnern.
Zuletzt aktualisiert: 2025-07-09 (UTC).
[null,null,["Zuletzt aktualisiert: 2025-07-09 (UTC)."],[],[],null,[]]