सरल रैखिक प्रतिगमन — सांख्यिकी

डेटा से अनुमान, आकलन और निर्णय निर्माण

सरल रैखिक प्रतिगमन सांख्यिकी से मशीन लर्निंग का पुल: यह सबसे सरल मॉडल जो भविष्यवाणी। आप मानते इनपुट x और आउटपुट y के बीच संबंध एक रेखा घटा यादृच्छिक शोर, और आप सर्वश्रेष्ठ-फिट रेखा खोजते।

β₀ अंतःखंड, β₁ ढाल, और ε शोर। "सर्वश्रेष्ठ-फिट" का मतलब वह रेखा जो कुल वर्ग अवशिष्ट (बिंदुओं और रेखा के बीच ऊर्ध्वाधर अंतर) न्यूनतम, साधारण न्यूनतम वर्ग (OLS) विधि।

आकृति में ढाल और अंतःखंड खींचें और देखें वर्ग त्रुटियों का योग (SSE) बदलता। OLS रेखा अद्वितीय जो प्रवाल अवशिष्ट-छड़ों की कुल वर्ग लंबाई न्यूनतम।

ML में इसका स्थानरैखिक प्रतिगमन आधार जो हर ML परियोजना को बेहतर करना चाहिए कुछ फैंसी तक पहुँचने से पहले। इसका वर्ग-त्रुटि उद्देश्य वह प्रतिगमन हानि (MSE) जो आप बार-बार न्यूनतम, और (जैसे आपने MLE में देखा) यह ठीक गॉसीयन शोर अंतर्गत अधिकतम संभावना। यह रेखा समझें और आप हर पर्यवेक्षित मॉडल का कंकाल समझें।