Administrative oplysninger
| Titel | Lineær tilbagegang |
| Varighed | 60 |
| Modul | A |
| Lektionstype | Praktisk |
| Fokus | Praktisk — modellering af kunstig intelligens |
| Emne | Modellering af kunstig intelligens |
Nøgleord
lineær regression, maksimal sandsynlighed, maksimum efterfølgende, basisfunktioner
Læringsmål
- At være i stand til at passe en lineær regressionsmodel ved hjælp af forskellige estimationsmetoder og tilpasningsmetoder med anvendelse af Python og egnede pakker
- For at kunne bruge effektive matrixoperationer i lineær regression
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
- Scikit-lære dokumentation og eksempler: https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LinearRegression.html
Anbefalet til lærerne
- En gennemgang af, hvordan de numpy-funktioner, der anvendes i notesbogen, er parameteriseret.
Undervisningsmaterialer
Instruktioner til lærerne
Denne læringsbegivenhed består af laboratorieopgaver, der skal løses af de studerende med hjælp fra den ledende instruktør.
Forbered et notesbogsmiljø med numpy, matplotlib og scikit-lære installeret.
Oversigt/tidsplan
| Varighed (min) | Beskrivelse | Koncepter |
|---|---|---|
| 5 | Kort over de opgaver, der skal udføres | |
| 5 | Generering af lineære datasæt med Gaussisk støj | additiv støj, np.random.randn |
| 15 | Tilpasning og evaluering af lineære regressionsmodeller via lineære løsere | matrixoperationer i numpy, np.linalg.solve, RMSE, plotning |
| 10 | Transformering af prøver og polynomiel regression | Vandermonde-matrix, np.power.outer |
| 10 | Tilpasning og evaluering af lineære modeller med regularisering | Numerisk stabilitet, tilstandsnummer, plotning |
| 15 | Montering af en lineær model på reelle datasæt | scikit-lære: StandardScaler, LineærRegression |
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.