Hallinnolliset tiedot
| Otsikko | Lineaarinen regressio |
| Kesto | 60 |
| Moduuli | A |
| Oppitunnin tyyppi | Luento |
| Keskittyminen | Käytännöllinen – AI Modelling |
| Aihe | Lineaarinen regressio |
Avainsanoja
lineaarinen regressio, suurin todennäköisyys, maksimi a posteriori, perusfunktiot,
Oppimistavoitteet
- Saada todistettavaa tietoa siitä, mitä lineaarinen regressio on
- Todistettavissa olevan tietämyksen hankkiminen lineaarisen regression eri lähestymistavoista: suurimman todennäköisyyden estimointi (MLE), maksimaalinen a-posteriori-estimointi (MAP), Bayesilainen
- Todistettavissa olevan tiedon hankkiminen analyyttisestä suljetusta muodosta lineaarisen regressiomallin asentamista varten
- Todistettavissa olevan tietämyksen hankkiminen ei-linearisoivista lineaarisista malleista
Odotettu valmistelu
Oppimistapahtumat valmistuvat ennen
Pakollinen opiskelijoille
- Perustason lineaarisen algebran tarkastelu ja lineaaristen järjestelmien ratkaiseminen numeerisesti.
Valinnainen opiskelijoille
Ei mitään.
Referenssejä ja taustaa opiskelijoille
- Piispa, Christopher M. (2006). Kuvioiden tunnistaminen ja koneoppiminen, luku 3.
Suositellaan opettajille
- Tutustu esittelymateriaaliin.
Oppituntimateriaalit
Ohjeita opettajille
Tutustu oppitunnin aiheisiin ja demonstroi käsitteet interaktiivisten kannettavien tietokoneiden avulla (sovitetaan malli ”käsinomaisesti” ja osoitetaan hyperparametrien vaikutukset). Anna lyhyt yleiskatsaus koodiin.
Pääpiirteittäin/aika-aikataulu
| Kesto (min) | Kuvaus | Käsitteet |
|---|---|---|
| 5 | Lineaarisen regression johdanto | hypertaso, normaali, puolueellisuus |
| 5 | Lineaarisen regressiomallin määrittäminen | lisäainemelu, Gaussin jakauma |
| 15 | Suurimman todennäköisyyden estimointi | neliövirhe, lineaariset ratkaisijat |
| 10 | Epälineaarinen (polynomi) regressio | polynomiregressio, näytteiden muuntaminen |
| 10 | A posteriori -arvion enimmäismäärä | hyperparametri, aiempi, normalisointi, numeerinen stabiilisuus |
| 5 | Bayesin lineaarinen regressio | posteriori, epävarmuus, ennustava keskiarvo ja varianssi |
| 10 | Mielenosoitus |
Tunnustukset
Human-Centered AI Masters -ohjelmaa rahoitettiin Euroopan unionin Verkkojen Eurooppa -välineestä (CEF-TC-2020–1 Digital Skills 2020-EU-IA-0068).