Lineární regrese jasně vysvětlena! Lineární regresní modely vztahu mezi závislou proměnnou (y) a dvěma nebo více nezávislými proměnnými (x1, x2 ...) ❗️Pro jednoduchost diskutujeme lineární regresi s jedinou nezávislou proměnnou. Matematické znázornění: y=MX+C kde: - y je závislá proměnná - x je nezávislá proměnná - m je sklon přímky - c je průsečík y Nákladová funkce: ❗️Cílem je najít nejlepší hodnoty pro m a c, které minimalizují chybu mezi předpovězenými hodnotami a skutečnými hodnotami pro všechny datové body. Takto vypadá nákladová funkce, střední kvadratická chyba: MSE= 1/N∑(yi−(m*xi+c))**2 Kde: - N je počet datových bodů. - yi je skutečná hodnota pro i-tý datový bod. - mxi+c je předpokládaná hodnota pro i-tý datový bod. ...