Linear Regression

https://www.coursera.org/course/ml

Сначала мы изучили Linear Regression, как средство предсказания непрерывных величин, разряд Supervised Learning.

Суть в том, что имея набор тренировочных данных, обучить на них тупую железяку таким образом, чтобы она могла предсказывать значения целевого параметра на данных не входящих в трен.набор.

В качестве примера рассматривали цены на дома, где дома характеризуются несколькими параметрами: размер, этажность, количество спален, возраст и т. д. В качестве трен.набора дается табличка, где каждая строка — данные по одному дому, вместе с известной ценой.

Так вот, нас научили, как подобрать полином

y = t1 x1 + t2 x2 + t3 x3 + … tn xn

и как искать параметры этого полинома. Называется — обучение машины.

Параметры — это вектор t, это то, что находит машина в процессе обучения. Переменные x — это параметры дома. Что любопытно, если нужна нелинейная функция (полином первого порядка), можно добавить псевдопеременные, скомбинировав их из существующих.

Типа x1 * x2; x1^2; x2^2 и так далее.

Тогда получается нелинейная регрессия.

И теперь мы умеем строить умные машины, которые могут, поучившись на известных данных, предсказывать цены на недвижку, курсы валют и температуру воздуха на завтра.

И это была тема Линейной Регрессии в классе Supervised Learning.

original post http://vasnake.blogspot.com/2014/05/linear-regression.html