線性迴歸:參數練習
透過集合功能整理內容 你可以依據偏好儲存及分類內容。
下圖繪製了燃料效率資料集中的 20 個範例,其中 x 軸繪製的是特徵 (以千磅為單位的車輛重量),y 軸繪製的是標籤 (每加侖英里數)。
您的工作:調整圖表上方的「權重」和「偏差」滑桿,找出可將資料的 MSE 損失降至最低的線性模型。
請思考以下問題:
- 您可以達成的最低 MSE 是多少?
- 產生這項損失的權重和偏差值為何?
按一下加號圖示即可查看解決方案
這項資料的最佳線性模型 MSE 為 3.37,權重為 -0.12,偏差為 16.96,如下圖所示。
除非另有註明,否則本頁面中的內容是採用創用 CC 姓名標示 4.0 授權,程式碼範例則為阿帕契 2.0 授權。詳情請參閱《Google Developers 網站政策》。Java 是 Oracle 和/或其關聯企業的註冊商標。
上次更新時間:2025-07-09 (世界標準時間)。
[null,null,["上次更新時間:2025-07-09 (世界標準時間)。"],[],[],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."]]