Lineaire Regressie Flashcards
Lineaire Regressie principe?
Een rechte vinden om waarden te voorspellen. Dit op basis van onafhankelijke variabelen die een doelvariabele voorspelt.
Lineaire Regressie onderdelen?
Features: onafhankelijke x, kenmerken waarop voorspelling baseren
Labels: afhankelijke y, doelvariabele
Model: regel of formule die label voorspelt voor datapunt
Predictie: het label dat dat het model voorspelt
Lineaire Regressie algoritme?
Start: willekeurige lijn
Algoritme: aanpassen richtingscoef & intercept betere benadering punten met Gradient Descent
Best passende regressielijn: het model voorspelt de y-waarde met een minimaal foutverschil tss voorspelde en werkelijke waarden
Error functie LR
Absolute error: som verschillen voorspelde en reële waarden (absolute waarde)
Square error: som van het kwadraat van de verschillen voorspelde en reële waarden
Gradient Descent LR
Computer automatisch fout verkleinen.
Om de waarden van intercept en coefficiënt bij te werken en zo de kostenfunctie te verminderen en de beste fit-lijn te bereiken, gebruikt het model Gradient Descent. Het idee is om te beginnen met willekeurige intercept en coefficiënt waarden en dan iteratief de waarden bij te werken, waarbij minimale kosten worden bereikt
