Bài giảng Nhập môn Học máy và Khai phá dữ liệu - Chương 3: Hồi quy tuyến tính (Linear regression). Chương này cung cấp cho học viên những nội dung về: học có giám sát (Supervised learning); hồi quy tuyến tính; học hàm hồi quy; hàm đánh giá lỗi (loss function); hàm lỗi thực nghiệm; . Mời các bạn cùng tham khảo chi tiết nội dung bài giảng! | 1 Nhập môn Học máy và Khai phá dữ liệu IT3190 2 Nội dung môn học Lecture 1 Giới thiệu về Học máy và khai phá dữ liệu Lecture 2 Thu thập và tiền xử lý dữ liệu Lecture 3 Hồi quy tuyến tính Linear regression Lecture 4 5 Phân cụm Lecture 6 Phân loại và Đánh giá hiệu năng Lecture 7 dựa trên láng giềng gần nhất KNN Lecture 8 Cây quyết định và Rừng ngẫu nhiên Lecture 9 Học dựa trên xác suất Lecture 10 Mạng nơron Neural networks Lecture 11 Máy vector hỗ trợ SVM Lecture 12 Khai phá tập mục thường xuyên và các luật kết hợp Lecture 13 Thảo luận ứng dụng học máy và khai phá dữ liệu trong thực tế 3 Học có giám sát Học có giám sát Supervised learning Tập dữ liệu học training data bao gồm các quan sát examples observations mà mỗi quan sát được gắn kèm với một giá trị đầu ra mong muốn. Mục đích là học một hàm vd một phân lớp một hàm hồi quy . phù hợp với tập dữ liệu hiện có và khả năng tổng quát hoá cao. Hàm học được sau đó sẽ được dùng để dự đoán cho các quan sát mới. Phân loại classification nếu đầu ra output y thuộc tập rời rạc và hữu hạn. Hồi quy regression nếu đầu ra output y là các số thực. 4 Hồi quy tuyến tính Giới thiệu Bài toán hồi quy cần học một hàm y f x từ một tập học cho trước D x1 y1 x2 y2 xM yM trong đó yi f xi với mọi i. Mỗi quan sát được biểu diễn bằng một véctơ n chiều chẳng hạn xi xi1 xi2 xin T. Mỗi chiều biểu diễn một thuộc tính attribute feature Mô hình tuyến tính nếu giả thuyết hàm y f x là hàm có dạng tuyến tính f x w0 w1x1 wnxn Học một hàm hồi quy tuyến tính thì tương đương với việc học véctơ trọng số w w0 w1 wn T 5 Hồi quy tuyến tính Ví dụ Hàm tuyến tính f x nào phù hợp . . Ví dụ 6 Phán đoán tương lai Đối với mỗi quan sát x x1 x2 xn T Giá trị đầu ra mong muốn cx Không biết trước đối với các quan sát trong tương lai Giá trị phán đoán bởi hệ thống yx w0 w1x1 wnxn Ta thường mong muốn yx xấp xỉ tốt cx Phán đoán cho quan sát tương lai z z1 z2 zn T Cần dự đoán giá .
