Um olhar mais atento sobre a regressão linear no entendimento profundo.

Esta leitura fornecerá a você a MATH por trás do algoritmo mais simples de aprendizado de máquina em linguagem leiga.

Começar com …

O que é aprendizagem supervisionada?

O aprendizado supervisionado é um tipo de algoritmo de aprendizado de máquina que funciona usando um conjunto de dados rotulado. Este conjunto de dados é usado como uma entrada para fazer o algoritmo aprender melhor e fornecer saídas com boa precisão, ao longo de um período de tempo. Esse aprendizado supervisionado é usado para resolver problemas de duas maneiras: classificação e regressão.

A regressão é um método de aprendizado supervisionado que utiliza um algoritmo para compreender a relação entre variáveis ​​dependentes e independentes. Os modelos de regressão são úteis na previsão de valores numéricos com base em várias fontes de dados, como estimativas de receita de vendas para um determinado negócio. Regressão linear, regressão logística e regressão polinomial são alguns dos algoritmos de regressão populares.

Na Regressão Linear , encontramos a linha que melhor se ajusta aos pontos de dados dispersos plotados usando a fonte de dados. Com a fórmula,

y = m x + c

Aqui,

m = inclinação

c = interceptar

Para ter a linha de melhor ajuste, a “Função Custo” deve ser mínima. Ele informa o erro em nossa linha. Para calcular a função de custo usando a seguinte fórmula:

Aqui,

yi = y^ (referência da figura)

m = inclinação

Agora,

Para vários valores de “m” haverá diferentes valores de função de custo. Quando plotamos CF(m) vs m no gráfico, obtemos a “Descida do Gradiente”. E aqui os mínimos globais conduzidos são o valor final de “m” (inclinação) e, portanto, fornecem um valor CF que nos dá a Melhor Linha de Ajuste.

Como Calcular a inclinação “m” para obter os Mínimos Globais para determinar a linha de melhor ajuste?

Nós usamos,

O Teorema da Convergência , que é formulado como

Aqui,

A inclinação no Gradient Descent Graph é,

Taxa de aprendizado é,

OBSERVAÇÃO:

A Taxa de Aprendizagem deve ser sempre menor, ou seja, menor que 0,001, etc.

Se a taxa de aprendizado for alta como '1', o valor será muito diferente e causará saltos nas inclinações representadas pela linha (verde claro) no diagrama acima.

Assim, isso nos fornece o melhor valor de “m” que pode ser usado na primeira equação acima, para encontrar a linha de melhor ajuste.

Agradeço a leitura até o FIM

Se esta leitura foi útil, sinta-se à vontade para considerar segui-la , caso ainda não o tenha feito.

Você pode ver meu trabalho em Portfolio_TanviBhosale e ficar conectado comigo no LinkedIn !

OBRIGADO POR LER

!!!