Линейная регрессия: упражнение с параметрами
Оптимизируйте свои подборки Сохраняйте и классифицируйте контент в соответствии со своими настройками.
На графике ниже представлены 20 примеров из набора данных по топливной экономичности, при этом характеристика (вес автомобиля в тысячах фунтов) нанесена на ось X, а метка (количество миль на галлон) — на ось Y.
Ваша задача: отрегулируйте ползунки «Вес» и «Смещение» над графиком, чтобы найти линейную модель, которая минимизирует потерю MSE в данных.
Вопросы для рассмотрения:
- Какую наименьшую среднюю экономическую прибыль вы можете получить?
- Какие значения веса и смещения привели к этой потере?
Нажмите на значок плюса, чтобы увидеть решение
Оптимальная линейная модель для этих данных имеет среднеквадратичную ошибку 3,37, вес –0,12 и смещение 16,96, как показано на следующем рисунке.
Если не указано иное, контент на этой странице предоставляется по лицензии Creative Commons "С указанием авторства 4.0", а примеры кода – по лицензии Apache 2.0. Подробнее об этом написано в правилах сайта. Java – это зарегистрированный товарный знак корпорации Oracle и ее аффилированных лиц.
Последнее обновление: 2025-06-27 UTC.
[null,null,["Последнее обновление: 2025-06-27 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."]]
