機器學(xué)習(xí)-04-簡單線性回歸實戰(zhàn)課件

人工智能基礎(chǔ)

--簡單線性回歸實戰(zhàn)人工智能基礎(chǔ)

--簡單線性回歸實戰(zhàn)1大綱回顧場景說明KNIME建立工作流節(jié)點注釋大綱回顧場景說明KNIME建立工作流節(jié)點注釋2大綱回顧大綱回顧3回歸（Regression）簡單線性回歸

偏置(Bias)權(quán)重（Weight）協(xié)變量（Covariance）特征（Feature）響應(yīng),應(yīng)變量（Response）標(biāo)記（Label）回歸（Regression）簡單線性回歸

偏置(Bias)權(quán)4大綱場景說明大綱場景說明5場景說明根據(jù)工作年限與工資的對應(yīng)關(guān)系表，找出二者之間的關(guān)系，并預(yù)測“未知”工作年限時，工資會有多少。場景說明根據(jù)工作年限與工資的對應(yīng)關(guān)系表，找出二者之間的關(guān)系，6大綱KNIME建立工作流大綱KNIME建立工作流7機器學(xué)習(xí)工作流程數(shù)據(jù)獲取數(shù)據(jù)處理模型訓(xùn)練模型測試模型優(yōu)化機器學(xué)習(xí)工作流程數(shù)據(jù)獲取數(shù)據(jù)處理模型訓(xùn)練模型測試模型優(yōu)化8KNIME建立工作流數(shù)據(jù)獲取數(shù)據(jù)處理模型訓(xùn)練模型測試模型優(yōu)化KNIME建立工作流數(shù)據(jù)獲取數(shù)據(jù)處理模型訓(xùn)練模型測試模型優(yōu)化9KNIME建立工作流KNIME建立工作流10KNIME建立工作流導(dǎo)入數(shù)據(jù)待設(shè)置，且有警告已設(shè)置，待運行KNIME建立工作流導(dǎo)入數(shù)據(jù)待設(shè)置，且有警告已設(shè)置，待運行11這個節(jié)點狀態(tài)是是什么待運行正在運行已運行錯誤ABCD提交單選題1分這個節(jié)點狀態(tài)是是什么待運行正在運行已運行錯誤ABCD提交單選12KNIME建立工作流觀察數(shù)據(jù)選中剛建的節(jié)點工具欄“運行按鈕”已運行KNIME建立工作流觀察數(shù)據(jù)選中剛建的節(jié)點已運行13KNIME建立工作流數(shù)據(jù)可視化KNIME建立工作流數(shù)據(jù)可視化14KNIME建立工作流數(shù)據(jù)獲取數(shù)據(jù)處理模型訓(xùn)練模型測試模型優(yōu)化KNIME建立工作流數(shù)據(jù)獲取數(shù)據(jù)處理模型訓(xùn)練模型測試模型優(yōu)化15KNIME建立工作流已有數(shù)據(jù)劃分為訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)訓(xùn)練數(shù)據(jù)：訓(xùn)練模型測試數(shù)據(jù)：測試模型KNIME建立工作流已有數(shù)據(jù)劃分為訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)16KNIME建立工作流訓(xùn)練已知x和y，求

b

和w

KNIME建立工作流訓(xùn)練

17KNIME建立工作流測試根據(jù)訓(xùn)練出來的

b

和

w，使用沒有參加訓(xùn)練的

x

預(yù)測

y

是多少，然后比較這個預(yù)測的y與真實的y的差別

KNIME建立工作流測試

18KNIME建立工作流數(shù)據(jù)劃分：訓(xùn)練集，測試集數(shù)據(jù)訓(xùn)練數(shù)據(jù)（多數(shù)）訓(xùn)練模型測試數(shù)據(jù)（少數(shù)）測試模型新的數(shù)據(jù)預(yù)測現(xiàn)有數(shù)據(jù)KNIME建立工作流數(shù)據(jù)劃分：訓(xùn)練集，測試集數(shù)據(jù)訓(xùn)練數(shù)據(jù)（多19KNIME建立工作流數(shù)據(jù)劃分：訓(xùn)練集，測試集數(shù)據(jù)訓(xùn)練數(shù)據(jù)（多數(shù)）上課聽講測試數(shù)據(jù)（少數(shù)）課后作業(yè)新的數(shù)據(jù)考試現(xiàn)有數(shù)據(jù)KNIME建立工作流數(shù)據(jù)劃分：訓(xùn)練集，測試集數(shù)據(jù)訓(xùn)練數(shù)據(jù)（多20下列關(guān)于數(shù)據(jù)的說法正確的是訓(xùn)練數(shù)據(jù)應(yīng)該多于測試數(shù)據(jù)測試數(shù)據(jù)可有可無訓(xùn)練數(shù)據(jù)用來訓(xùn)練模型測試數(shù)據(jù)包括完整的特征和標(biāo)記數(shù)據(jù)，所以測試數(shù)據(jù)也可以用來訓(xùn)練模型ABCD提交多選題2分下列關(guān)于數(shù)據(jù)的說法正確的是訓(xùn)練數(shù)據(jù)應(yīng)該多于測試數(shù)據(jù)測試數(shù)據(jù)可21KNIME建立工作流數(shù)據(jù)劃分：訓(xùn)練集，測試集數(shù)據(jù)劃分訓(xùn)練集：75%，測試集：25%KNIME建立工作流數(shù)據(jù)劃分：訓(xùn)練集，測試集數(shù)據(jù)劃分訓(xùn)練集：22KNIME建立工作流數(shù)據(jù)獲取數(shù)據(jù)處理模型訓(xùn)練模型測試模型優(yōu)化KNIME建立工作流數(shù)據(jù)獲取數(shù)據(jù)處理模型訓(xùn)練模型測試模型優(yōu)化23KNIME建立工作流建立模型設(shè)置特征和目標(biāo)使用線性回歸模型設(shè)置目標(biāo)和特征KNIME建立工作流建立模型使用線性回歸模型設(shè)置目標(biāo)和特征24KNIME建立工作流建立模型運行模型KNIME建立工作流建立模型25KNIME建立工作流解釋模型

模型KNIME建立工作流解釋模型

模型26KNIME建立工作流解釋模型Intercept:沒有工作經(jīng)驗的話，能拿多少錢Coeff.：每增加一年工作經(jīng)驗，工資漲多少？你覺得你想這兩數(shù)怎么變？KNIME建立工作流解釋模型27如果這是你的個人數(shù)據(jù)預(yù)測結(jié)果你希望？斜率更大Intercept更大斜率更小Intercept更小ABCD提交投票最多可選2項如果這是你的個人數(shù)據(jù)預(yù)測結(jié)果斜率更大Intercept更大斜28KNIME建立工作流解釋模型R-Squared(決定系數(shù))越接近1

越好P值(PValue)越小越好一般小于0.05的才算小KNIME建立工作流解釋模型R-Squared(決定系數(shù))越29P值某參數(shù)w可能取值0

但是仍然有可能取

0模型建立以后，權(quán)重w如果是

0

的話，模型其實沒什么用權(quán)重w有可能是

0

嗎P值某參數(shù)w可能取值0

但是仍然有可能取0模型建立以后，30P值某參數(shù)w可能取值0

但是仍然有可能取

0模型建立以后，權(quán)重w如果是

0

的話，模型其實沒什么用權(quán)重w有可能是

0

嗎P值某參數(shù)w可能取值0

但是仍然有可能取0模型建立以后，31P值零假設(shè)：假設(shè)參數(shù)就是

0p值檢驗零假設(shè)成立的可能性。p值若與選定顯著性水平（0.05或0.01）相比更小，則零假設(shè)會被否定而不可接受。某參數(shù)w可能取值0

W

有多大可能是

0

?P值零假設(shè)：假設(shè)參數(shù)就是0某參數(shù)w可能取值0

W有多大32KNIME建立工作流數(shù)據(jù)獲取數(shù)據(jù)處理模型訓(xùn)練模型測試模型優(yōu)化KNIME建立工作流數(shù)據(jù)獲取數(shù)據(jù)處理模型訓(xùn)練模型測試模型優(yōu)化33KNIME建立工作流驗證及測試模型模型新的輸入歷史數(shù)據(jù)未知訓(xùn)練預(yù)測KNIME建立工作流驗證及測試模型模型新的輸入歷史數(shù)據(jù)未知訓(xùn)34KNIME建立工作流驗證及測試模型預(yù)測：將測試數(shù)據(jù)輸入已訓(xùn)練模型輸入訓(xùn)練好的模型輸入測試數(shù)據(jù)KNIME建立工作流驗證及測試模型輸入訓(xùn)練好的模型輸入測試數(shù)35KNIME建立工作流驗證及測試模型查看預(yù)測效果KNIME建立工作流驗證及測試模型36KNIME建立工作流對比真實數(shù)據(jù)與測試數(shù)據(jù)KNIME建立工作流對比真實數(shù)據(jù)與測試數(shù)據(jù)37KNIME節(jié)點注釋提高可讀性KNIME節(jié)點注釋提高可讀性38損失函數(shù)損失函數(shù)（lossfunction,

cost

function）是用來估量模型的預(yù)測值與真實值的不一致程度一個非負實值函數(shù)損失函數(shù)越小，模型的穩(wěn)健性就越好。我們會通過叫做梯度下降算法的方法使損失函數(shù)最小化，從而優(yōu)化模型。對于線性回歸問題，R2很常用（統(tǒng)計方法）都是損失函數(shù)，一般看MSE就行了/dQCFKyQDXYm3F8rB0/article/details/80730722通過降低損失函數(shù)值或者提高R2來優(yōu)化模型損失函數(shù)損失函數(shù)（lossfunction,costf39小結(jié)&提問KNIME可以方便的建立機器學(xué)習(xí)工作流KNIME可以方便的查看模型效果小結(jié)&提問KNIME可以方便的建立機器學(xué)習(xí)工作流40機器學(xué)習(xí)-04-簡單線性回歸實戰(zhàn)課件41人工智能基礎(chǔ)

--簡單線性回歸實戰(zhàn)人工智能基礎(chǔ)

--簡單線性回歸實戰(zhàn)42大綱回顧場景說明KNIME建立工作流節(jié)點注釋大綱回顧場景說明KNIME建立工作流節(jié)點注釋43大綱回顧大綱回顧44回歸（Regression）簡單線性回歸

偏置(Bias)權(quán)重（Weight）協(xié)變量（Covariance）特征（Feature）響應(yīng),應(yīng)變量（Response）標(biāo)記（Label）回歸（Regression）簡單線性回歸

偏置(Bias)權(quán)45大綱場景說明大綱場景說明46場景說明根據(jù)工作年限與工資的對應(yīng)關(guān)系表，找出二者之間的關(guān)系，并預(yù)測“未知”工作年限時，工資會有多少。場景說明根據(jù)工作年限與工資的對應(yīng)關(guān)系表，找出二者之間的關(guān)系，47大綱KNIME建立工作流大綱KNIME建立工作流48機器學(xué)習(xí)工作流程數(shù)據(jù)獲取數(shù)據(jù)處理模型訓(xùn)練模型測試模型優(yōu)化機器學(xué)習(xí)工作流程數(shù)據(jù)獲取數(shù)據(jù)處理模型訓(xùn)練模型測試模型優(yōu)化49KNIME建立工作流數(shù)據(jù)獲取數(shù)據(jù)處理模型訓(xùn)練模型測試模型優(yōu)化KNIME建立工作流數(shù)據(jù)獲取數(shù)據(jù)處理模型訓(xùn)練模型測試模型優(yōu)化50KNIME建立工作流KNIME建立工作流51KNIME建立工作流導(dǎo)入數(shù)據(jù)待設(shè)置，且有警告已設(shè)置，待運行KNIME建立工作流導(dǎo)入數(shù)據(jù)待設(shè)置，且有警告已設(shè)置，待運行52這個節(jié)點狀態(tài)是是什么待運行正在運行已運行錯誤ABCD提交單選題1分這個節(jié)點狀態(tài)是是什么待運行正在運行已運行錯誤ABCD提交單選53KNIME建立工作流觀察數(shù)據(jù)選中剛建的節(jié)點工具欄“運行按鈕”已運行KNIME建立工作流觀察數(shù)據(jù)選中剛建的節(jié)點已運行54KNIME建立工作流數(shù)據(jù)可視化KNIME建立工作流數(shù)據(jù)可視化55KNIME建立工作流數(shù)據(jù)獲取數(shù)據(jù)處理模型訓(xùn)練模型測試模型優(yōu)化KNIME建立工作流數(shù)據(jù)獲取數(shù)據(jù)處理模型訓(xùn)練模型測試模型優(yōu)化56KNIME建立工作流已有數(shù)據(jù)劃分為訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)訓(xùn)練數(shù)據(jù)：訓(xùn)練模型測試數(shù)據(jù)：測試模型KNIME建立工作流已有數(shù)據(jù)劃分為訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)57KNIME建立工作流訓(xùn)練已知x和y，求

b

和w

KNIME建立工作流訓(xùn)練

58KNIME建立工作流測試根據(jù)訓(xùn)練出來的

b

和

w，使用沒有參加訓(xùn)練的

x

預(yù)測

y

是多少，然后比較這個預(yù)測的y與真實的y的差別

KNIME建立工作流測試

59KNIME建立工作流數(shù)據(jù)劃分：訓(xùn)練集，測試集數(shù)據(jù)訓(xùn)練數(shù)據(jù)（多數(shù)）訓(xùn)練模型測試數(shù)據(jù)（少數(shù)）測試模型新的數(shù)據(jù)預(yù)測現(xiàn)有數(shù)據(jù)KNIME建立工作流數(shù)據(jù)劃分：訓(xùn)練集，測試集數(shù)據(jù)訓(xùn)練數(shù)據(jù)（多60KNIME建立工作流數(shù)據(jù)劃分：訓(xùn)練集，測試集數(shù)據(jù)訓(xùn)練數(shù)據(jù)（多數(shù)）上課聽講測試數(shù)據(jù)（少數(shù)）課后作業(yè)新的數(shù)據(jù)考試現(xiàn)有數(shù)據(jù)KNIME建立工作流數(shù)據(jù)劃分：訓(xùn)練集，測試集數(shù)據(jù)訓(xùn)練數(shù)據(jù)（多61下列關(guān)于數(shù)據(jù)的說法正確的是訓(xùn)練數(shù)據(jù)應(yīng)該多于測試數(shù)據(jù)測試數(shù)據(jù)可有可無訓(xùn)練數(shù)據(jù)用來訓(xùn)練模型測試數(shù)據(jù)包括完整的特征和標(biāo)記數(shù)據(jù)，所以測試數(shù)據(jù)也可以用來訓(xùn)練模型ABCD提交多選題2分下列關(guān)于數(shù)據(jù)的說法正確的是訓(xùn)練數(shù)據(jù)應(yīng)該多于測試數(shù)據(jù)測試數(shù)據(jù)可62KNIME建立工作流數(shù)據(jù)劃分：訓(xùn)練集，測試集數(shù)據(jù)劃分訓(xùn)練集：75%，測試集：25%KNIME建立工作流數(shù)據(jù)劃分：訓(xùn)練集，測試集數(shù)據(jù)劃分訓(xùn)練集：63KNIME建立工作流數(shù)據(jù)獲取數(shù)據(jù)處理模型訓(xùn)練模型測試模型優(yōu)化KNIME建立工作流數(shù)據(jù)獲取數(shù)據(jù)處理模型訓(xùn)練模型測試模型優(yōu)化64KNIME建立工作流建立模型設(shè)置特征和目標(biāo)使用線性回歸模型設(shè)置目標(biāo)和特征KNIME建立工作流建立模型使用線性回歸模型設(shè)置目標(biāo)和特征65KNIME建立工作流建立模型運行模型KNIME建立工作流建立模型66KNIME建立工作流解釋模型

模型KNIME建立工作流解釋模型

模型67KNIME建立工作流解釋模型Intercept:沒有工作經(jīng)驗的話，能拿多少錢Coeff.：每增加一年工作經(jīng)驗，工資漲多少？你覺得你想這兩數(shù)怎么變？KNIME建立工作流解釋模型68如果這是你的個人數(shù)據(jù)預(yù)測結(jié)果你希望？斜率更大Intercept更大斜率更小Intercept更小ABCD提交投票最多可選2項如果這是你的個人數(shù)據(jù)預(yù)測結(jié)果斜率更大Intercept更大斜69KNIME建立工作流解釋模型R-Squared(決定系數(shù))越接近1

越好P值(PValue)越小越好一般小于0.05的才算小KNIME建立工作流解釋模型R-Squared(決定系數(shù))越70P值某參數(shù)w可能取值0

但是仍然有可能取

0模型建立以后，權(quán)重w如果是

0

的話，模型其實沒什么用權(quán)重w有可能是

0

嗎P值某參數(shù)w可能取值0

但是仍然有可能取0模型建立以后，71P值某參數(shù)w可能取值0

但是仍然有可能取

0模型建立以后，權(quán)重w如果是

0

的話，模型其實沒什么用權(quán)重w有可能是

0

嗎P值某參數(shù)w可能取值0

但是仍然有可能取0模型建立以后，72P值零假設(shè)：假設(shè)參數(shù)就是

0p值檢驗零假設(shè)成立的可能性。p值若與選定顯著性水平（0.05或0.01）相比更小，則零假設(shè)會被否定而不可接受。某參數(shù)w可能取值0

W

有多大可能是

0

?P值零假設(shè)：假設(shè)參數(shù)就是0某參數(shù)w可能取值0

W有多大73KNIME建立工作流數(shù)據(jù)獲取數(shù)據(jù)處理模型訓(xùn)練模型測試模型優(yōu)化KNIME建立工作流數(shù)據(jù)獲取數(shù)據(jù)處理模型訓(xùn)練模型測試模型優(yōu)化74KNIME建立工