Regressione lineare: esercizio sui parametri
Mantieni tutto organizzato con le raccolte Salva e classifica i contenuti in base alle tue preferenze.
Il grafico seguente mostra 20 esempi di un set di dati sull'efficienza del carburante, con la funzionalità (peso dell'auto in migliaia di libbre) tracciata sull'asse x e l'etichetta (miglia per gallone) tracciata sull'asse y.
Il tuo compito:regola i cursori Ponderazione e Bias sopra il grafico per trovare il modello lineare che riduce al minimo la perdita MSE nei dati.
Domande da prendere in considerazione:
- Qual è l'errore quadratico medio più basso che puoi ottenere?
- Quali valori di peso e bias hanno prodotto questa perdita?
Fai clic sull'icona Più per visualizzare la soluzione.
Il modello lineare ottimale per questi dati ha un MSE di 3,37, con un peso di -0,12 e un bias di 16,96, come mostrato nell'immagine seguente.
Salvo quando diversamente specificato, i contenuti di questa pagina sono concessi in base alla licenza Creative Commons Attribution 4.0, mentre gli esempi di codice sono concessi in base alla licenza Apache 2.0. Per ulteriori dettagli, consulta le norme del sito di Google Developers. Java è un marchio registrato di Oracle e/o delle sue consociate.
Ultimo aggiornamento 2025-07-09 UTC.
[null,null,["Ultimo aggiornamento 2025-07-09 UTC."],[],[],null,["The 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\nClick the plus icon to see the solution \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."]]
