Linear regression
X = RealDistribution('uniform', [-20, 60])
Y = RealDistribution('gaussian', 1.5)
f(x) = 3*x/20 + 5
xvals = [X.get_random_element() for _ in range(100)]
data = [(x, f(x) + Y.get_random_element()) for x in xvals]
m, b = var('m b')
g(x) = m*x + b
g(x) = g(x).subs(find_fit(data, g, solution_dict=True))
p = list_plot(data) + plot(g, (x, -20, 60), color='red')
p.save('linear_regression.svg')
Relevante Bilder
Relevante Artikel
Lineare EinfachregressionIn der Statistik ist die lineare Einfachregression, auch einfache lineare Regression, selten univariate lineare Regression genannt, ein regressionsanalytisches Verfahren und ein Spezialfall der linearen Regression. Die Bezeichnung einfach gibt an, dass bei der linearen Einfachregression nur eine unabhängige Variable verwendet wird, um die Zielgröße zu erklären. Ziel ist die Schätzung von Achsenabschnitt und Steigung der Regressionsgeraden sowie die Schätzung der Varianz der Störgrößen. .. weiterlesen
Maschinelles LernenMaschinelles Lernen (ML) ist ein Fachgebiet, das statistische Algorithmen entwickelt und untersucht. Diese Algorithmen können aus Daten, die in maschinenlesbarer Form vorliegen und Informationen über Beobachtungen oder Erfahrungen enthalten, ein bestimmtes Verhalten lernen. Das Verhalten wird nicht explizit programmiert, sondern von den Algorithmen direkt aus den Daten gelernt. Das Lernen aus Daten bezeichnet man in der mathematischen Statistik auch als Statistisches Lernen. .. weiterlesen