為了從資料中選出「最佳」的擬合直線,迴歸模型需要最佳化某個指標。對線性迴歸而言,這個指標稱為「平方和」(sum of squares)。
在儀表板中,試著設定不同的截距與斜率係數。在圖上,黑色實線使用你指定的截距與斜率;藍色虛線則是對資料集進行線性迴歸後計算出的截距與斜率。
線性迴歸是如何嘗試最佳化平方和這個指標的?
本練習屬於課程
將理論付諸實踐,立即體驗我們的互動練習
將你的線性迴歸技能延伸到平行斜率迴歸,包含 1 個數值型與 1 個類別型解釋變數。這是邁向掌握多元線性迴歸的第一步。
探索解釋變數之間交互作用的影響。考量交互作用能讓模型更貼近現實,並提升預測能力。你也會處理辛普森悖論:在擁有多個解釋變數時可能出現的非直覺結果。
看看如何透過建模與線性迴歸,輕鬆處理超過 2 個解釋變數。當你熟練擬合線性迴歸模型後,將親自實作一個線性迴歸演算法。
當前練習
將你的羅吉斯迴歸技能擴展到多個解釋變數。你也會學習支撐此類迴歸的羅吉斯分配,之後再實作自己的羅吉斯迴歸演算法。