Linear regression

Python में Probability की बुनियाद

Alexander A. Ramírez M.

CEO @ Synergy Vision

Linear functions

रेखीय फ़ंक्शन प्लॉट

रेखीय फ़ंक्शन प्लॉट

$$ y = \color{red}{slope}*x + \color{blue}{intercept} $$

यादृच्छिक व्यवधानों के साथ रेखीय फ़ंक्शन प्लॉट

$$ y = slope*x + intercept + \color{red}{random\_number} $$

अध्ययन घंटे बनाम स्कोर प्लॉट

कॉनस्टेंट, रेखीय, द्विघात और लघुगणकीय मॉडलों से फिट करना

सर्वश्रेष्ठ मॉडल तय करने के मापदंड क्या होंगे?

रेखीय मॉडल एनीमेशन प्लॉट

रेज़िडुअल्स प्लॉट

रेज़िडुअल्स प्लॉट और त्रुटि को न्यूनतम करना

रेखीय मॉडल रेज़िडुअल्स प्लॉट

# Import LinearRegression
from sklearn.linear_model import LinearRegression

# sklearn linear model
model = LinearRegression()
model.fit(hours_of_study, scores)

# Get parameters
slope = model.coef_[0]
intercept = model.intercept_

# Print parameters
print(slope, intercept)

(1.496703900384545, 52.44845266434719)

# Score prediction
score = model.predict(np.array([[15]]))
print(score)

[74.89901117]

$$ $$

import matplotlib.pyplot as plt

plt.scatter(hours_of_study, scores)
plt.plot(hours_of_study_values, model.predict(hours_of_study_values))
plt.show()

रेखीय मॉडल फिट प्लॉट

Python में Probability की बुनियाद