В этом видеоуросе мы начнем с реализации нашего простого линейного моделирования регрессии на нашем наборе данных, о которых мы говорили в более ранних видео.
Мы осуществим алгоритм линейного регрессии в машинном обучении с помощью Python. Сначала мы будем прочитать набор данных, а затем мы начнем наш анализ в самом следующем видео. Вы будете изучать шаг за шагом, как фактически выполнить линейную регрессию, когда ваш набор данных имеет одну входную переменную и одну переменную вывода для прогнозирования. Вам необходимо установить Python 3, установленный в вашей системе, а также установить Manager PIP в основном установить все пакеты, которые мы будем необходимы для реализации
Для учебника проверьте это: https://www.youtube.com/watch?v=ysk9eny7bks.
Мы построим модуль регрессии, сделайте прогнозы для непредвиденных новых точек данных, вычислить RSS (остаточную сумму квадратов), остаточную стандартную ошибку в целом и через интервал. Наконец, мы оцениваем показатели эффективности модели, чтобы вычислить статистическую силу прогнозирования нашей модели, используя значения RSS и TS, которые мы получаем, чтобы получить значение для RSE и R_SQUARED.
Для учебника проверьте это: https://www.youtube.com/watch?v=eubm2rjiz3g.
Оригинал: “https://dev.to/thenerdydev/implementing-your-simple-linear-regression-model-from-scratch-using-python-2la1”