Administrative oplysninger
| Titel | Lineær tilbagegang |
| Varighed | 60 |
| Modul | A |
| Lektionstype | Forelæsning |
| Fokus | Praktisk — modellering af kunstig intelligens |
| Emne | Lineær tilbagegang |
Nøgleord
lineær regression, maksimal sandsynlighed, maksimum efterfølgende, basisfunktioner
Læringsmål
- At erhverve påviselig viden om, hvad lineær regression er
- At erhverve påviselig viden om de forskellige tilgange til lineær regression: maksimal sandsynlighedsestimering (MLE), maksimal a-posteriori-estimering (MAP), Bayesiansk
- At erhverve påviselig viden om analytisk lukket form til montering af en lineær regressionsmodel
- At erhverve påviselig viden om ikke-lineariserende lineære modeller
Forventet forberedelse
Læringsbegivenheder, der skal fuldføres før
Obligatorisk for studerende
- En gennemgang af grundlæggende lineær algebra og løsning af lineære systemer numerisk.
Valgfrit for studerende
Ingen.
Referencer og baggrund for studerende
- Biskop, Christopher M. (2006). Mønstergenkendelse og maskinlæring, kapitel 3.
Anbefalet til lærerne
- Gør sig bekendt med demonstrationsmaterialet.
Undervisningsmaterialer
Instruktioner til lærerne
Dække emnerne i lektionen skitse og demonstrere begreberne ved hjælp af de interaktive notesbøger (tilpas en model "manuelt", der viser virkningerne af hyperparametre). Giv et kort overblik over koden.
Oversigt/tidsplan
| Varighed (min) | Beskrivelse | Koncepter |
|---|---|---|
| 5 | Introduktion til lineær regression | hyperplan, normal, bias |
| 5 | Definition af en lineær regressionsmodel | additiv støj, Gaussisk fordeling |
| 15 | Maksimal sandsynlighedsestimering | kvadreret fejl, lineære løsere |
| 10 | Ikke-lineær (polynomiel) regression | polynomiel regression, omdannelse af prøver |
| 10 | Maksimalt efterfølgende skøn | hyperparameter, forudgående, regulering, numerisk stabilitet |
| 5 | Bayesian lineær regression | bageste, usikkerhed, prædiktiv middelværdi og varians |
| 10 | Demonstration |
Anerkendelser
Programmet Human-Centered AI Masters blev samfinansieret af Connecting Europe-faciliteten i Den Europæiske Union under tilskud CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.