رگرسیون خطی چند متغیره Multiple Variables Linear Regression – قسمت هجدهم دوره یادگیری ماشین دانشگاه استنفورد

رگرسیون خطی چند متغیره Multiple Variables Linear Regression – قسمت هجدهم دوره یادگیری ماشین دانشگاه استنفورد

در این جلسه از سری آموزش‌های یادگیری ماشین دانشگاه استنفورد با رگرسیون خطی چند متغیره آشنا می‌شویم. در جلسات گذشته با رگرسیون خطی معمولی یه طور مفصل آشنا شدیم. این یک ورژن قدرتمندتر است. در این نمونه می توان چند ویژگی یا متغیر را به کار برد.

مقایسه رگرسیون خطی چند متغیره و تک متغیره

مثال‌هایی که در جلسه رگرسیون خطی تک متغیره زدیم را به خاطر بیاورید. چند خانه با متراژ و قیمت مشخص داشتیم. در واقع قیمت خانه را تنها تابعی از اندازه آن می‌دانستیم.

رگرسیون خطی چند متغیره
۱. رگرسیون خطی تک متغیره با تابع فرضیه \(\Large h_{\theta}(x) = \theta_{1}x + \theta_{0} \)

این محتوا قفل و محدود شده است. برای تهیه اشتراک و مطالعه آن عضو شوید. عضویت

فیلم جلسه رگرسیون خطی چند متغیره – قسمت ۱۸ دوره یادگیری ماشین اندرو ان جی

جمع‌بندی جلسه رگرسیون خطی چند متغیره و موضوع جلسه آینده

در این جلسه از دوره یادگیری ماشین دانشگاه استنفورد با رگرسیون خطی چند متغیره آشنا شدیم. تابع فرضیه برای یک متغیر را مرور کرده و آن را بسط دادیم. اکنون با کمک ماتریس می‌توانیم چند متغیر را برای محاسبه قیمت یک خانه به کار ببریم. در ادامه به الگوریتم گرادیان نزولی برمی‌گردیم. جلسه آینده در مورد الگوریتم گرادیان نزولی با چند متغیر خواهد بود.

حتما بخوانید:  مفهوم تابع هزینه با دو پارامتر - بخش دوم Intuition of Cost Function II - قسمت هفتم دوره یادگیری ماشین دانشگاه استنفورد

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

این سایت از اکیسمت برای کاهش هرزنامه استفاده می کند. بیاموزید که چگونه اطلاعات دیدگاه های شما پردازش می‌شوند.

-->