رگرسیون خطی: تمرین پارامترها
با مجموعهها، منظم بمانید ذخیره و طبقهبندی محتوا براساس اولویتهای شما.
نمودار زیر 20 نمونه از مجموعه داده های بهره وری سوخت را ترسیم می کند که ویژگی (سنگینی ماشین به هزاران پوند) روی محور x و برچسب (مایل در هر گالن) روی محور y ترسیم شده است.
وظیفه شما: لغزندههای Weight و Bias را در بالای نمودار تنظیم کنید تا مدل خطی را پیدا کنید که از دست دادن MSE در دادهها را به حداقل میرساند.
سوالاتی که باید در نظر بگیرید:
- کمترین MSE که می توانید به دست آورید چیست؟
- چه وزن و مقادیر سوگیری باعث این کاهش شد؟
برای مشاهده راه حل روی نماد مثبت کلیک کنید
مدل خطی بهینه برای این داده ها دارای MSE 3.37، با وزن 0.12- و بایاس 16.96 است، همانطور که در تصویر زیر نشان داده شده است.

جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشیهای سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبتشده Oracle و/یا شرکتهای وابسته به آن است.
تاریخ آخرین بهروزرسانی 2025-06-27 بهوقت ساعت هماهنگ جهانی.
[null,null,["تاریخ آخرین بهروزرسانی 2025-06-27 بهوقت ساعت هماهنگ جهانی."],[],[],null,["# Linear regression: Parameters exercise\n\nThe graph below plots 20 examples from a fuel-efficiency dataset, with the\nfeature (car heaviness in thousands of pounds) plotted on the x-axis and the\nlabel (miles per gallon) plotted on the y-axis.\n\n**Your task:** Adjust the **Weight** and **Bias** sliders above the graph to\nfind the linear model that minimizes MSE loss on the data.\n\n**Questions to consider:**\n\n- What is the lowest MSE you can achieve?\n- What weight and bias values produced this loss?\n\n#### Click the plus icon to see the solution\n\nThe optimal linear model for this data has an MSE of 3.37, with a\nweight of --0.12 and a bias of 16.96, as shown in the following image."]]