iT邦幫忙

2023 iThome 鐵人賽

DAY 26
0
AI & Data

機器學習不難嘛系列 第 26

Day26-線性回歸 介紹

  • 分享至 

  • xImage
  •  

前幾天剛講完了影像辨識的模型預測,我們要學的教另一種機器學習叫做線性回歸(Linear Regression),線性回歸一個利用每個數據中產生的線性關係來找出邏輯,並完成預測。

線性回歸這個詞你可能沒有聽過,但你一定有看過下面這個式子

https://ithelp.ithome.com.tw/upload/images/20231010/20162311Q8w4bU5AUZ.png

沒錯就是國中時學過的二元一次方程式的概念,我們會利用每個數據來找出一條最適合的直線,而這條直線就是我們經過電腦找出答案的數據線,舉個例子:

https://ithelp.ithome.com.tw/upload/images/20231010/2016231193oIkM7U0S.png

上面這張圖的每個紅點是我們的資料,那條藍線就是預測線,在這張圖可以看到預測線跟資料室非常吻合的,那如果變成下面這樣呢?

https://ithelp.ithome.com.tw/upload/images/20231010/20162311pi4wom6Xt7.png

可以並沒有每一筆資料都在預測線上,這並不奇怪,因為在現實生活中不會都像第一張圖的情況那麼完美,而是像第二張圖一樣並不是那麼整齊,這正是我們這次提到線性回歸的目的,為了預測不是那麼完美的資料。

我們在這次的主題線性回歸中會提到要怎麼建造和調整圖形、成本函數、以及兩種找出最佳解的方法。

接下來要做的線性回歸所採用的資料是我用excel做出來的身高體重統計,因為這只是我隨便寫的幾個身高體重,所以預測結果可能不會很貼近現實。

程式講解:

import pandas as pd
import matplotlib.pyplot as plt
from ipywidgets import interact
import numpy as np

首先要載入這些套件

data = pd.read_csv("Height & Weight.csv")
data
x = data["Height"]
y = data["Weight"]

再來導入我們的csv檔,並設定xy軸的數值,檔案在下面

Height & Weight.csv


上一篇
Day25-MNIST準確率和混淆矩陣
下一篇
Day27-線性回歸 調整預測線和成本函數
系列文
機器學習不難嘛30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言