トレンドトピック
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
線形回帰をわかりやすく説明!
線形回帰モデル従属変数 (y) と 2 つ以上の独立変数 (x1、x2 ...) の間の関係
❗️わかりやすくするために、単一の独立変数を使用した線形回帰について説明します。
数学的表現:
y=mx+c
どこ:
- y は従属変数です。
- x は独立変数です
- mは線の傾きです
- cはy切片です
コスト関数:
❗️目標は、すべてのデータポイントの予測値と実際の値の間の誤差を最小限に抑える、mとcの最適な値を見つけることです。
コスト関数は次のようになり、平均二乗誤差です。
MSE= 1/N∑(yi−(m*xi+c))**2
どこ:
- N はデータ ポイントの数です。
- yi は i 番目のデータ ポイントの実際の値です。
- MXI+C は、i 番目のデータ ポイントの予測値です。
...



トップ
ランキング
お気に入り