การถดถอยเชิงเส้น: การฝึกทำแบบฝึกหัดเกี่ยวกับพารามิเตอร์
จัดทุกอย่างให้เป็นระเบียบอยู่เสมอด้วยคอลเล็กชัน บันทึกและจัดหมวดหมู่เนื้อหาตามค่ากำหนดของคุณ
กราฟด้านล่างแสดงตัวอย่าง 20 รายการจากชุดข้อมูลประสิทธิภาพการใช้เชื้อเพลิง โดยมี ฟีเจอร์ (น้ำหนักรถเป็นพันปอนด์) อยู่บนแกน x และ ป้ายกำกับ (ไมล์ต่อแกลลอน) อยู่บนแกน y
งานของคุณ: ปรับแถบเลื่อนน้ำหนักและค่าความเอนเอียงเหนือกราฟเพื่อ ค้นหารูปแบบเชิงเส้นที่ลดการสูญเสีย MSE ในข้อมูล
คำถามที่ควรพิจารณา
- MSE ต่ำสุดที่คุณทำได้คือเท่าใด
- ค่าถ่วงน้ำหนักและค่าอคติใดที่ทำให้เกิดการสูญเสียนี้
คลิกไอคอนบวกเพื่อดูวิธีแก้ปัญหา
โมเดลเชิงเส้นที่เหมาะสมที่สุดสำหรับข้อมูลนี้มี MSE เท่ากับ 3.37 โดยมี น้ำหนักเท่ากับ -0.12 และค่าอคติเท่ากับ 16.96 ดังที่แสดงในรูปภาพต่อไปนี้
เนื้อหาของหน้าเว็บนี้ได้รับอนุญาตภายใต้ใบอนุญาตที่ต้องระบุที่มาของครีเอทีฟคอมมอนส์ 4.0 และตัวอย่างโค้ดได้รับอนุญาตภายใต้ใบอนุญาต Apache 2.0 เว้นแต่จะระบุไว้เป็นอย่างอื่น โปรดดูรายละเอียดที่นโยบายเว็บไซต์ Google Developers Java เป็นเครื่องหมายการค้าจดทะเบียนของ Oracle และ/หรือบริษัทในเครือ
อัปเดตล่าสุด 2025-07-09 UTC
[null,null,["อัปเดตล่าสุด 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."]]