Seu primeiro modelo: regressão linear
Ajuste uma reta aos dados, meça o erro quadrático médio e expanda o modelo para várias características.
- Interpretar a inclinação e o intercepto de uma reta como parâmetros do modelo
- Calcular o erro quadrático médio de uma reta
- Representar uma previsão com várias características como produto escalar
Imagine que você quer prever notas de prova com base nas horas de estudo. Ao desenhar os dados, os pontos tendem a subir aproximadamente em linha reta. A regressão linear encontra a reta que melhor se ajusta a eles:
Aqui, é a entrada (horas de estudo), (“ípsilon chapéu”) é a nota prevista, é a inclinação (pontos a mais por hora adicional) e é o intercepto (a nota prevista com zero horas de estudo). Os valores e são os parâmetros do modelo. “Treinar o modelo” significa encontrar bons valores para eles.
Experimente
Até 15 XPAjuste a reta você mesmo
Mova os controles para que, no total, as linhas vermelhas (os erros entre cada ponto e sua reta) fiquem o mais curtas possível. Chegue a uma diferença de até 10% do menor erro possível; depois revele a melhor reta e compare.
Soma dos erros quadráticos da sua reta: 1118.0
Como medir a melhor reta: erro quadrático médio
Para que o computador encontre a melhor reta, precisamos transformar “melhor” em um número. Para cada ponto, o erro (ou resíduo) é a diferença entre a previsão e o valor real. Elevamos cada erro ao quadrado para evitar que erros positivos e negativos se anulem e para dar mais peso a erros grandes; depois calculamos a média:
Esse erro quadrático médio (EQM) é a perda do modelo. A melhor reta é a que tem o menor EQM.
1hours = [1, 2, 3, 4, 5]
2scores = [52, 55, 61, 60, 68]
3
4def mse(slope, intercept):
5 errors = [slope * x + intercept - y for x, y in zip(hours, scores)]
6 return sum(error ** 2 for error in errors) / len(errors)
7
8for slope, intercept in [(0, 59), (5, 45), (3.7, 48.1)]:
9 print(f"y = {slope}x + {intercept}: EQM = {mse(slope, intercept):.2f}")y = 0x + 59: EQM = 30.20 y = 5x + 45: EQM = 6.80 y = 3.7x + 48.1: EQM = 2.78
Mais de uma característica
Previsões do mundo real usam várias características. O preço de uma casa pode depender da área, do número de quartos e da idade, cada uma com seu próprio peso:
É o produto escalar da lição de matemática. Cada peso indica quanto sua característica aumenta (valor positivo) ou reduz (valor negativo) a previsão.
1weights = [1200, 15000, -800] # por m², por quarto e por ano de idade
2bias = 20000
3
4def predict(features):
5 return sum(weight * feature for weight, feature in zip(weights, features)) + bias
6
7print(predict([100, 3, 10])) # 100 m², 3 quartos, 10 anos de idade
8print(predict([60, 1, 40]))177000 75000
Principais conclusões
A regressão linear prevê ; o treinamento encontra a inclinação e o intercepto.
O erro quadrático médio transforma “quão boa é esta reta?” em um número a minimizar.
Com várias características, a previsão é um produto escalar mais um viés: .
Quiz da aula
6 perguntas · aprovação com 5 acertos · até 50 XP
Ao passar, você conclui a aula e mantém sua sequência. As perguntas erradas voltarão em sessões de revisão.
Pratique: escreva código em Python
Escreva código Python no editor e execute os testes com exemplos. O Python roda localmente no navegador usando WebAssembly.
Avalie uma reta
A primeira linha contém a inclinação e o intercepto. Cada linha seguinte contém um ponto x y. Imprima o erro de cada previsão (previsão menos valor real) como x=X erro=E e depois EQM: M com 2 casas decimais. Formate números usando :g.
- Horas de estudo
- Ajuste perfeito
O Python é executado em um ambiente isolado no navegador, com limite de 60 segundos. O runtime é carregado pelo CDN do Pyodide; seu código permanece neste navegador.
Encontre exatamente a melhor reta
Cada linha contém um ponto x y. Calcule a reta de mínimos quadrados usando as fórmulas abaixo; e representam as médias:
Imprima inclinação: M e intercepto: B com 2 casas decimais e, em seguida, a previsão para x = 12 como previsão em 12: P, também com 2 casas decimais.
- Horas de estudo
- Reta exata
O Python é executado em um ambiente isolado no navegador, com limite de 60 segundos. O runtime é carregado pelo CDN do Pyodide; seu código permanece neste navegador.
Dúvidas sobre esta lição
Travou em algum ponto? Pergunte. Descobriu algo? Compartilhe. Explicar também é uma ótima forma de aprender.
Carregando publicações…