Sztuczna_inteligencja_i_jej.../.ipynb_checkpoints/regresja_liniowa_NMI-checkpoint.ipynb

82 lines
2.0 KiB
Plaintext
Raw Normal View History

2023-10-18 11:29:12 +02:00
{
"cells": [
{
"cell_type": "markdown",
"id": "4814259a-4af7-4839-a1dd-7f0e02837c3f",
"metadata": {},
"source": [
"# Regresja liniowa"
]
},
{
"cell_type": "markdown",
"id": "62ab7b17-f761-4723-8992-9620630fdaa6",
"metadata": {},
"source": [
"Na dzisiejszych zajęciach omówimy problem predykcji informacji i jego rozwiązanie poprzez wykorzystanie regresji liniowej."
]
},
{
"cell_type": "markdown",
"id": "b01eb137-5b7d-4f09-abac-0410366df4a9",
"metadata": {},
"source": [
"Zadaniem regresji liniowej jest po prostu dopasowanie prostej linii do danych. Warto podkreślić, że regresja liniowa przyjmuje założenie, że związek między cechami a zmienną objaśnianą jest mniej więcej liniowy. Regresja liniowa nie jest jedynym rodzajem regresji aczkolwiek jest to najprostsza wersja."
]
},
{
"cell_type": "markdown",
"id": "5dd39b3d-1a4b-44e5-9300-5ad796f7bb4c",
"metadata": {},
"source": [
"Regresja może nam pomóc w predykcji (przewidzeniu) wartości jakiejś zmiennej objaśnianej (zależnej) na podstawie jakiś cech (zmiennych niezależnych)."
]
},
{
"cell_type": "markdown",
"id": "3e618a4a-4088-4c3c-8f98-64c8a3ae0b57",
"metadata": {},
"source": [
"## Rozgrzewka"
]
},
{
"cell_type": "markdown",
"id": "c4a323d0-e71f-48a9-bda0-17ca379b71da",
"metadata": {},
"source": [
"Przeanalizuj poniższy wykres:"
]
},
{
"cell_type": "code",
"execution_count": null,
"id": "0bf3e941-fe58-4edb-a145-5b5d486b0692",
"metadata": {},
"outputs": [],
"source": []
}
],
"metadata": {
"kernelspec": {
"display_name": "Python 3 (ipykernel)",
"language": "python",
"name": "python3"
},
"language_info": {
"codemirror_mode": {
"name": "ipython",
"version": 3
},
"file_extension": ".py",
"mimetype": "text/x-python",
"name": "python",
"nbconvert_exporter": "python",
"pygments_lexer": "ipython3",
"version": "3.9.2"
}
},
"nbformat": 4,
"nbformat_minor": 5
}