Melatih Regresi Linear
Contoh lengkap dari awal hingga akhir
Melatih Regresi Linear adalah pelajaran Data Science Academy gratis di CoddyKit. Ini adalah pelajaran 3 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Data Science Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Data Science Academy mencakup 4 pelajaran total.
Garis yang Melewati Data
Regresi linear mencocokkan hubungan garis lurus antara fitur dan sasaran numerik Anda. Model ini menjadi model pertama yang klasik karena suatu alasan. 📈
Mengimpor Model
Penaksir tersebut berada dalam modul linear_model. Anda cukup mengimpor-nya sekali, lalu menggunakannya kembali untuk tugas regresi apa pun.
from sklearn.linear_model import LinearRegressionMembuat Instans
Buat model baru dengan memanggil kelasnya. Penaksir kosong ini memiliki pengaturan bawaan dan belum melihat data apa pun.
model = LinearRegression()Melatih dengan Data Pelatihan
Sekarang ajari model dengan fitur dan sasaran Anda. Selama proses fit, model menemukan garis terbaik yang melewati titik-titik pelatihan.
model.fit(X_train, y_train)Membaca Kemiringan
Setiap fitur mendapatkan koefisien yang disimpan dalam coef_. Koefisien ini menunjukkan seberapa besar prediksi berubah ketika fitur tersebut naik satu unit.
model.coef_Membaca Intersep
Intersep adalah prediksi ketika semua fitur bernilai nol. Intersep menjadi penentu posisi garis dan disimpan dalam intercept_ setelah proses pelatihan.
model.intercept_Membuat Prediksi
Berikan baris fitur baru kepada predict, dan Anda akan mendapatkan perkiraan numerik, satu untuk setiap baris, yang dihitung langsung dari garis hasil pelatihan.
y_pred = model.predict(X_test)Persamaan di Baliknya
Di balik layar, setiap prediksi hanyalah fitur dikalikan koefisien, lalu ditambah intersep. Matematika sederhana dengan hasil yang ternyata sangat kuat.
Satu Fitur atau Banyak Fitur
Panggilan yang sama dapat menangani satu fitur maupun puluhan fitur. Dengan banyak masukan, model mencocokkan sebuah hiperbidang, tetapi kode Anda tetap persis sama.
Linear Berarti Pencocokan Lurus
Regresi linear mengasumsikan hubungan yang kurang lebih lurus. Jika polanya melengkung tajam, model ini akan mengalami underfitting dan gagal menangkapnya.
Alur Kerja Lengkap
Impor, buat, fit, predict: empat langkah untuk mendapatkan regressor yang berfungsi. Ritme yang sama berulang pada setiap model yang Anda pelajari berikutnya.
Pemeriksaan Cepat
Atribut mana yang menyimpan bobot setiap fitur setelah proses pelatihan?
Rangkuman
Anda telah mengimpor, membuat, melakukan fit, dan melakukan prediksi dengan regresi linear. coef_ dan intercept_-nya bahkan menunjukkan apa yang telah dipelajari model. 🚀
Belajar Python dengan tutor AI — gratis
Tulis dan jalankan kode asli di browser kamu, dapatkan bantuan instan dari tutor AI 24/7, dan lanjutkan di mana kamu tinggalkan di web atau aplikasi.
- Kursus
- 30
- Pelajaran
- 120
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Melatih Regresi Linear” gratis?
Ya — teks lengkap “Melatih Regresi Linear” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Data Science Academy, upgrade ke CoddyKit PRO. Kursus Data Science Academy mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Melatih Regresi Linear”?
Contoh lengkap dari awal hingga akhir Kamu berlatih Data Science Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai Data Science Academy?
Tidak diperlukan pengalaman sebelumnya. Data Science Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 3 dari 4.
Berapa lama pelajaran “Melatih Regresi Linear” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran Data Science Academy ini?
Ya. Setiap pelajaran Data Science Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Kontrak fit dan predict
- Fitur X dan Target y
- Melatih Regresi Linear
- Menilai Model Pertama Anda