Data Science Academy · Oppitunti

Harjoita lineaarinen regressiomalli

Täydellinen esimerkki alusta loppuun

Oppitunti 3/413 vaihetta

Harjoita lineaarinen regressiomalli on ilmainen Data Science Academy-oppitunti CoddyKitissä. Tämä on oppitunti 3/4. Voit lukea koko oppitunnin alta ilmaiseksi ja harjoitella sen jälkeen käytännössä selaimessa sisäänrakennetulla koodieditorilla ja ympäri vuorokauden käytettävissä olevan tekoälytuutorin avulla. Oppitunti kuuluu Data Science Academy-oppimispolkuun, ja edistymisesi synkronoituu verkon ja CoddyKit-sovelluksen välillä. Data Science Academy-kurssilla on yhteensä 4 oppituntia.

Suora datan läpi

Lineaarinen regressio sovittaa piirteiden ja numeerisen targetin välille suoraviivaisen yhteyden. Se on klassinen ensimmäinen malli hyvästä syystä. 📈

Mallin tuominen

Estimaattori sijaitsee linear_model-moduulissa. Tuotte sen kerran ja käytätte sitä uudelleen kaikissa kohtaamissanne regressiotehtävissä.

from sklearn.linear_model import LinearRegression

Instanssin luominen

Luokaa uusi malli kutsumalla luokkaa. Tämä tyhjä estimaattori sisältää oletusasetukset, eikä se ole vielä nähnyt dataa.

model = LinearRegression()

Sovittaminen koulutusdataan

Opettakaa mallia nyt piirteiden ja targetin avulla. fit-kutsun aikana malli etsii parhaan suoran koulutuspisteiden läpi.

model.fit(X_train, y_train)

Kulmakertoimen lukeminen

Jokainen piirre saa kertoimen, joka tallennetaan attribuuttiin coef_. Se kertoo, kuinka paljon ennuste muuttuu, kun kyseisen piirteen arvo kasvaa yhdellä.

model.coef_

Vakiotermin lukeminen

Vakiotermi on ennuste silloin, kun kaikkien piirteiden arvo on nolla. Se ankkuroi suoran ja tallennetaan fit-kutsun jälkeen attribuuttiin intercept_.

model.intercept_

Ennusteiden tekeminen

Antakaa uudet piirrerivit predict-metodille, niin saatte takaisin numeeriset arviot, yhden kutakin riviä kohti, suoraan sovitetusta suorasta laskettuina.

y_pred = model.predict(X_test)

Sen taustalla oleva yhtälö

Konepellin alla jokainen ennuste on yksinkertaisesti piirteet kerrottuna kertoimilla ja lisättynä vakiotermillä. Yksinkertaista matematiikkaa, yllättävän tehokkailla tuloksilla.

Yksi piirre tai monta

Sama kutsu käsittelee yhtä piirrettä tai kymmeniä piirteitä. Useiden syötteiden tapauksessa malli sovittaa hypertason, mutta koodinne pysyy täsmälleen samana.

Lineaarinen tarkoittaa suoraa sovitusta

Lineaarinen regressio olettaa suunnilleen suoran yhteyden. Jos kuvio kaartuu jyrkästi, tämä malli alisovittuu eikä havaitse sitä.

Koko työnkulku

Tuokaa malli, luokaa instanssi, sovittakaa se ja tehkää ennuste: neljä vaihetta, ja käytössänne on toimiva regressiomalli. Sama rytmi toistuu jokaisen seuraavaksi oppimanne mallin kohdalla.

Pikatarkistus

Missä attribuutissa säilyvät piirtekohtaiset painot sovittamisen jälkeen?

Vastaa interaktiivisessa oppitunnissa

Kertaus

Toitte, loitte, sovititte ja käytitte ennustamiseen lineaarista regressiota. Sen coef_- ja intercept_-attribuutit paljastavat jopa, mitä se oppi. 🚀

Aloita maksutta

Opi Python tekoälytuutorin avulla — ilmaiseksi

Kirjoita ja suorita oikeaa koodia selaimessa, saa välitöntä apua tekoälytuutorilta ympäri vuorokauden ja jatka siitä, mihin jäit, verkossa tai sovelluksessa.

Kurssit: 30
Oppitunnit: 120

Aloita opiskelu maksutta Näytä koko kurssi

Usein kysytyt kysymykset

Onko oppitunti ”Harjoita lineaarinen regressiomalli” ilmainen?

Kyllä – oppitunnin ”Harjoita lineaarinen regressiomalli” koko tekstin voi lukea täällä verkossa ilmaiseksi. Jos haluat harjoitella interaktiivisesti sisäänrakennetulla koodieditorilla ja ympäri vuorokauden käytettävissä olevan tekoälytuutorin avulla sekä avata koko Data Science Academy-kurssin, päivitä CoddyKit PROhon. Data Science Academy-kurssilla on yhteensä 4 oppituntia.

Mitä opin oppitunnilla ”Harjoita lineaarinen regressiomalli”?

Täydellinen esimerkki alusta loppuun Harjoittelet Data Science Academy-aihetta koodilla, jonka suoritat suoraan selaimessa. Ympäri vuorokauden käytettävissä oleva tekoälytuutori vastaa kysymyksiisi oppitunnin aikana.

Tarvitsenko kokemusta aloittaakseni Data Science Academy-opiskelun?

Aiempi kokemus ei ole tarpeen. CoddyKitin Data Science Academy-oppimispolku sopii vasta-alkajista edistyneisiin, joten voit aloittaa tästä tai alusta ja edetä omaan tahtiisi. Tämä on oppitunti 3/4.

Kuinka kauan ”Harjoita lineaarinen regressiomalli”-oppitunnin suorittaminen kestää?

Useimmat CoddyKitin oppitunnit kestävät noin 5–10 minuuttia. Jokainen oppitunti on lyhyt ja interaktiivinen, joten edistyt tasaisesti ja voit jatkaa siitä, mihin jäit – sekä verkossa että sovelluksessa.

Voinko kirjoittaa ja suorittaa koodia tällä Data Science Academy-oppitunnilla?

Kyllä. Jokainen Data Science Academy-oppitunti sisältää sisäänrakennetun koodieditorin, joten voit kirjoittaa ja suorittaa oikeaa koodia suoraan selaimessa ja saada välitöntä palautetta tekoälyltä – paikallista asennusta ei tarvita.

Kaikki tämän kurssin oppitunnit

← Takaisin: Data Science Academy