Сызыктуу регрессия: түз сызык менен сандарды болжолдоо

Графикте чачылып жаткан бир нече чекитиңиз бар деп элестетиңиз — ар бир чекит чыныгы батир, анын аянты астыңкы огунда, ал эми баасы капталында. Сиз болжолдуу тенденцияны көрө аласыз: чоңураак батирлер кымбатыраак турат. Сызыктуу регрессия — жөн гана ошол чекиттердин ортосунан мүмкүн болушунча жакшы өткөн бир түз сызыкты тартуу өнөрү, андан кийин ошол сызыкты мурда көрбөгөн батирдин баасын болжолдоо үчүн колдонуу.

Бүтүндөй идея ушул. Машина мисалдардан сызыкты "үйрөнөт", андан кийин сызык болжолдоо машинасына айланат: ага аянтты берсеңиз, ал сизге бааны кайтарат. Бул сабакта биз ошол сызыкты чыныгы сандар менен кол менен курабыз, "эң жакшы" деген эмнени билдирерин так үйрөнөбүз жана компьютер сызыкты кадам-кадам менен кантип өз ордуна жылдырганын көрөбүз.

Бул сабактан кийин сиз эмне кыла аласыз

• Түз сызык модели $y = w\,x + b$ эмнени билдирерин жөнөкөй сөз менен, ошондой эле жантаюу $w$ менен кесилиш $b$ ар бири эмнени башкарарын түшүндүрө аласыз.
• Ылайыкталган сызыкты колдонуп, кириштен (мисалы, аянттан) санды болжолдой аласыз (мисалы, батирдин баасын).
• Сызыктын канчалык жакшы экенин калдыктар, квадраттоо жана орточо квадраттык ката (Mean Squared Error, MSE) аркылуу — кол менен эсептеп — өлчөй аласыз.
• Градиенттик түшүү эң жакшы сызыкты табуу үчүн кантип "ылдый карай баскандыгын" жана үйрөнүү ылдамдыгы эмне кыларын сүрөттөй аласыз.
• Сызыкты көптөгөн белгилерге (салмактуу суммага) кеңейтип, салмактарды белгинин маанилүүлүгү катары — этияттык менен — окуй аласыз.
• Сызыктуу регрессия кайсы жерде иштээрин жана кайсы жерде иштебей турганын билесиз жана R-квадратты түшүндүрүлгөн өзгөрүүнүн пайызы катары окуй аласыз.
• Чыныгы моделди scikit-learn менен бир нече сап Python кодунда ылайыктай аласыз.