جارٍ تحميل الدرس...
في نافذة الطباعة اختر «حفظ كملف PDF» كوجهة.
مقرر تعلم الآلة (AI308) - معمل
من المعادلات المغلقة الشكل إلى مكتبة scikit-learn
MSE (متوسط مربع الخطأ)β0, β1 اللذين يقللان دالة التكلفة هذهx وyŷ = β₀ + β₁xMSE وRMSEمثال 1: درجات امتحان الطلاب
x) مقابل درجة الامتحان (y)6 ساعات| الطالب | ساعات المذاكرة (x) | درجة الامتحان (y) |
|---|---|---|
| 1 | 1 | 2 |
| 2 | 2 | 4 |
| 3 | 3 | 5 |
| 4 | 4 | 4 |
| 5 | 5 | 5 |
x = 3، متوسط y = 46، ومجموع مربعات انحرافات x = 10x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 4, 5, 4, 5])
x_mean, y_mean = np.mean(x), np.mean(y)مثال 1: درجات امتحان الطلاب
مثال 1: درجات امتحان الطلاب
6 ساعات مذاكرة؟MSE = 0.48، وRMSE تقريبا 0.69مثال 2
| مساحة المنزل (قدم مربع) | السعر (بالآلاف $) |
|---|---|
| 800 | 140 |
| 1200 | 210 |
| 1500 | 280 |
| 1800 | 350 |
| 2200 | 420 |
RMSE = 5.81 -- ملاءمة خطية أدق بكثير من المثال 1Scikit-LearnLinearRegression تعيد إنتاج الحسابات اليدوية بدقة تامةfrom sklearn.linear_model import LinearRegression
model = LinearRegression()
model.fit(X.reshape(-1, 1), y)
slope, intercept = model.coef_[0], model.intercept_
predicted = model.predict([[6]])scikit-learn متطابقة حتى المنزلة العشرية الرابعةMSERMSEMSE، بنفس وحدات الهدف، أسهل في التفسيرR-squared0 إلى 1 (كلما ارتفعت كان أفضل)MAE (متوسط الخطأ المطلق)، وMAPE (متوسط النسبة المئوية للخطأ المطلق)MSE)MSE وRMSE معا، وليس مقياسا واحدا فقطscikit-learn يجب أن يتطابقا دائما، تمرين ممتاز لبناء الثقةMahmoud Abas|معمل الانحدار الخطي