Linear Regressions
Regression ဆိုသည်မှာ ကိန်းရှင်တစ်ခု ( y ) နှင့် အခြားကိန်းရှင် ( x ) အကြား ဆက်နွယ်မှုကို ဆုံးဖြတ်ရန် နည်းလမ်းတစ်ခု ဖြစ်သည်။
စာရင်းဇယားများတွင်၊ Linear Regression သည် y နှင့် x ကြားရှိ မျဉ်းကြောင်းဆက်နွယ်မှုကို စံနမူနာပြုရန် ချဉ်းကပ်မှုတစ်ခုဖြစ်သည်။
AI တွင်၊ Linear Regression သည် ကြီးကြပ်ထားသော စက်သင်ယူမှုဆိုင်ရာ အယ်လဂိုရီသမ်တစ်ခုဖြစ်သည်။
ကွက်ကျားကွက်၊
ဤသည် (ယခင် အခန်းမှ )
ဥပမာ
var xArray = [50,60,70,80,90,100,110,120,130,140,150];
var yArray = [7,8,8,9,9,9,10,11,14,14,15];
// Define Data
var data = [{
x:xArray,
y:yArray,
mode: "markers"
}];
// Define Layout
var layout = {
xaxis: {range: [40, 160], title: "Square Meters"},
yaxis: {range: [5, 16], title: "Price in Millions"},
title: "House Prices vs. Size"
};
Plotly.newPlot("myPlot", data, layout);
တန်ဖိုးများကို ခန့်မှန်းခြင်း။
အပေါ်က ပြန့်ကျဲနေတဲ့ အချက်အလက်တွေကနေ၊ အနာဂတ်စျေးနှုန်းတွေကို ဘယ်လို ခန့်မှန်းနိုင်မလဲ။
- လက်ဆွဲမျဉ်းဂရပ်ကို အသုံးပြုပါ။
- မျဉ်းသားဆက်ဆံရေးကို စံနမူနာယူပါ။
- linear regression ကို နမူနာပုံစံ
Linear Graphs
ဤသည်မှာ အနိမ့်ဆုံးနှင့် အမြင့်ဆုံးစျေးနှုန်းအပေါ်အခြေခံ၍ စျေးနှုန်းများကို ခန့်မှန်းသည့် linear ဂရပ်တစ်ခုဖြစ်သည်။
ဥပမာ
var xArray = [50,60,70,80,90,100,110,120,130,140,150];
var yArray = [7,8,8,9,9,9,9,10,11,14,14,15];
var data = [
{x:xArray, y:yArray, mode:"markers"},
{x:[50,150], y:[7,15], mode:"line"}
];
var layout = {
xaxis: {range: [40, 160], title: "Square Meters"},
yaxis: {range: [5, 16], title: "Price in Millions"},
title: "House Prices vs. Size"
};
Plotly.newPlot("myPlot", data, layout);
ယခင်အခန်းမှ
linear graph ကို y = ax + b လို့ရေးနိုင်ပါတယ်။
ဘယ်မှာလဲ-
- y သည် ကျွန်ုပ်တို့ ခန့်မှန်းလိုသော ဈေးနှုန်းဖြစ်သည်။
- a သည် မျဉ်း၏ slope ဖြစ်သည်။
- x သည် input တန်ဖိုးများဖြစ်သည်။
- b သည် ကြားဖြတ်ဖြစ်သည်။
Linear ဆက်ဆံရေး
ဤ မော်ဒယ် သည် စျေးနှုန်းနှင့် အရွယ်အစားကြားရှိ စျေးနှုန်းဆက်စပ်မှုကို အသုံးပြု၍ စျေးနှုန်းများကို ခန့်မှန်းပေးသည်-
ဥပမာ
var xArray = [50,60,70,80,90,100,110,120,130,140,150];
var yArray = [7,8,8,9,9,9,10,11,14,14,15];
// Calculate Slope
var xSum = xArray.reduce(function(a, b){return a + b;}, 0);
var ySum = yArray.reduce(function(a, b){return a + b;}, 0);
var slope = ySum / xSum;
// Generate values
var xValues = [];
var yValues = [];
for (var x = 50; x <= 150; x += 1) {
xValues.push(x);
yValues.push(x * slope);
}
အထက်ဖော်ပြပါ ဥပမာတွင်၊ လျှောစောက်သည် တွက်ချက်ထားသော ပျမ်းမျှဖြစ်ပြီး ကြားဖြတ် = 0 ဖြစ်သည်။
Linear Regression Function ကိုအသုံးပြုခြင်း။
ဤ ပုံစံ သည် linear regression function ကို အသုံးပြု၍ ဈေးနှုန်းများကို ခန့်မှန်းသည်-
ဥပမာ
var xArray = [50,60,70,80,90,100,110,120,130,140,150];
var yArray = [7,8,8,9,9,9,10,11,14,14,15];
// Calculate Sums
var xSum=0, ySum=0 , xxSum=0, xySum=0;
var count = xArray.length;
for (var i = 0, len = count; i < count; i++) {
xSum += xArray[i];
ySum += yArray[i];
xxSum += xArray[i] * xArray[i];
xySum += xArray[i] * yArray[i];
}
// Calculate slope and intercept
var slope = (count * xySum - xSum * ySum) / (count * xxSum - xSum * xSum);
var intercept = (ySum / count) - (slope * xSum) / count;
// Generate values
var xValues = [];
var yValues = [];
for (var x = 50; x <= 150; x += 1) {
xValues.push(x);
yValues.push(x * slope + intercept);
}