Implementierung der linearen Regression in C++

Blog

Die lineare Regression modelliert die Beziehung zwischen einer erklärenden (unabhängigen) Variablen und einer skalaren Antwortvariablen (abhängigen) durch Anpassen einer linearen Gleichung.



Bild für Beitrag

Zum Beispiel Modellierung der Gewichte von Personen mit ihrer Körpergröße unter Verwendung einer linearen Gleichung.



Bevor Sie versuchen, die Beziehung der beobachteten Daten zu modellieren, sollten Sie zunächst feststellen, ob zwischen ihnen eine lineare Beziehung besteht oder nicht. Normalerweise kann das Streudiagramm ein hilfreiches Werkzeug sein, um die Beziehung zwischen den Daten anzuzeigen.

Wie bekomme ich das Phoenix-Protokoll?

Bild für Beitrag



Von Sewaqu — Eigene Arbeit, Public Domain, https://commons.wikimedia.org/w/index.php?curid=11967659

Eine lineare Regressionsgerade hat eine Gleichung der Form Y = a + bX , wo x ist die erklärende Variable und UND ist die abhängige Variable. Die Steigung der Geraden ist, und zu ist der Achsenabschnitt (der Wert von und Wenn x = 0).

In diesem Artikel implementieren wir das Modell der einfachen linearen Regression. Einfache lineare Regression betrifft zweidimensionale Stichprobenpunkte mit einer unabhängigen Variablen und einer abhängigen Variablen und findet eine lineare Funktion, die die Werte der abhängigen Variablen als Funktion der unabhängigen Variablen vorhersagt.

Wenn Sie eine einfache lineare Regression (oder eine andere Art von Regressionsanalyse) durchführen, erhalten Sie eine Linie der besten Anpassung. Die Datenpunkte fallen normalerweise nicht auf diese Regressionsgleichungslinie; sie sind verstreut.

ZU Restwert ist ein vertikaler Abstand zwischen einem Datenpunkt und der Regressionsgerade. Jeder Datenpunkt hat ein Residuum. Er ist positiv, wenn er über der Regressionsgeraden liegt und negativ, wenn er unter der Regressionsgeraden liegt. Wenn die Regressionsgerade durch den Punkt verläuft, ist das Residuum an diesem Punkt null.

Das Hauptproblem hier besteht darin, den Gesamtrestfehler zu minimieren, um die Linie der besten Anpassung zu finden. Wenn Sie weitere Erklärungen zur Theorie hinter den folgenden Gleichungen benötigen, empfehle ich Ihnen, diesen Artikel zu lesen:

Lineare Regression – Die Theorie verstehen

Ohne auf Details einzugehen, sollten wir folgende Gleichungen verwenden:

Bild für Beitrag

die Ableitung ist zu finden Hier

Wir können es der Einfachheit halber einfach in Folgendes unterteilen:

Bild für Beitrag

Integration von Telerik-Berichten mit asp.net mvc youtube

Bild für Beitrag

Bild für Beitrag


Jetzt können wir mit der Implementierung der linearen Regression beginnen

#statistik #maschinenlernen #data-science #c++ #cplusplus #programmierung-c

medium.com

Implementierung der linearen Regression in C++

Arbeitscode-Tutorial zur Implementierung von Grundlagen des maschinellen Lernens mit C++. Die lineare Regression modelliert die Beziehung zwischen einer erklärenden (unabhängigen) Variablen und einer skalaren Antwortvariablen (abhängigen) durch Anpassen einer linearen Gleichung.