Eğitim & Ödev & Bilimsel Döküman
Toplanın Machine Learning Öğreniyoruz - Linear Regression Nedir?
Toplanın Machine Learning Öğreniyoruz - Linear Regression Nedir?
-
Yasi iki kat olan adamlar balbazar kovaliyor, bu cocuk zehir gibi yahu. Ellerine emegine saglik.
-
mizahi bunu yazdıiKlotho bunu yazdı
Bu cost function ile mean squarred error arasında ne fark var çözemedim. İkiside aynı şeyi ifade etmiyor mu?
aslinda cost function arkadasin verdigi gibi degil, summation icerisinde parantezin disinda bir de degisken katsayi vardir. yani her hypothesis icin farkli bir katsayidir. Ornegin "buyuk theta degerleri icin katsayi yuksek olsun, kucuk theta degerleri icin katsayi dusuk olsun" denirse, yapilan hatada odenen bedel (cost) fonksiyonu, bu uygulama icin ozel bir sonuc verecektir. verilen formulde katsayi, fair olmasi icin = 1 kabul edilmistir.
Mean Squared Error ise isminden de anlasilacagi gibi yapilan hatayi once gercek degerden cikarip, sonra karesi alinip, sonra ortalamasini bulan genel bir estimator dir. regressionda risk function (cost function) olur, teorik hesaplamalarda estimator olur, predictor olur. Yani aslinda Cost function MSE'den turemistir, dolayisiyla once MSE anlatilmasi gerek, geometrik sekil uzerinde Euclidean distance vs. gosterilerek; daha sonra cost function anlatilir. Diger bir estimation metodu da least squares'dir mesela. LS kullanilarak bir suru fonksiyon uretilir. Hypothesis testing konusuna galiba hic girilmemis pdf te.
Bir de tavsiyem bu gibi konulari Turkce'ye cevirmeden direkt olarak ingilizcesinden ogrenin. Cunku bazi kavramlari aciklayacak kelimelerimiz yok. ornegin istatistigin iki temel konusu "estimation" ve "prediction" bizde "tahmin" olarak tek kelimede cevriliyor. "Error", "regression (regret)", "cost" gibi kavramlar "hata" diye anlatiliveriyor. Halbuki hepsi farkli seyler ifade ediyor.
Yanlış anlamadıysam cost function da ls ,ols veya ml gibi (simple linear regression için) modele en uygun ß0 ve ß1 seçmeye çalışıyor. Neden sadece ls kullanılmıyor? Belirli koşullar sağlandığında ls için tahmin edilen parametreler blue oluyor sonuçta.
-
Doğrusal regresyon modelinden olsa gerek çok ekonometrik duruyor. Machine learning neymiş diye girdim bildiğim ekonometri çıktı.
-
izzmarit bunu yazdı
Yasi iki kat olan adamlar balbazar kovaliyor, bu cocuk zehir gibi yahu. Ellerine emegine saglik.
Kovalamayalım diye bot kasıyoruz ona da kızıyorsun. Yaranamıyoruz sana, yetemiyoruz hjdshfdsjhgds.
Edit: Madem istatistik konusunda yetkili abiler toplanıyor benim şu konuma bir bakın.
http://www.tahribat.com/forum/istatistikci-var-mi-maksimum-entropi-uzerine-219449
-
izzmarit bunu yazdı
Yasi iki kat olan adamlar balbazar kovaliyor, bu cocuk zehir gibi yahu. Ellerine emegine saglik.
Pokemona niye bok attın ki şimdi :(
Balbazarı yedirmeyiz.
12 yaşından beridir balbazar kovalıyorum o zaman benim için artık çok geç.
-
izzmarit bunu yazdı
Yasi iki kat olan adamlar balbazar kovaliyor, bu cocuk zehir gibi yahu. Ellerine emegine saglik.
Pokemon Go'da oynarım kariyerde yaparım sana ne!
-
Kavga etmeyin yeterince pikachumuz var
@mizahi bilgilendirme icin tesekkurler hocam
@futurist konunun basinda bahsettigim gibi courseradan izleyebilirsin veya arkadaslarin verdikleri diger kaynaklara goz atabilirsin
-
up
-
izzmarit bunu yazdı
Yasi iki kat olan adamlar balbazar kovaliyor, bu cocuk zehir gibi yahu. Ellerine emegine saglik.
Oynayamayan veya bot ile kasamayanlar kıskanıyor.
Kedi ciğer misali. -
iKlotho bunu yazdımizahi bunu yazdıiKlotho bunu yazdı
Bu cost function ile mean squarred error arasında ne fark var çözemedim. İkiside aynı şeyi ifade etmiyor mu?
aslinda cost function arkadasin verdigi gibi degil, summation icerisinde parantezin disinda bir de degisken katsayi vardir. yani her hypothesis icin farkli bir katsayidir. Ornegin "buyuk theta degerleri icin katsayi yuksek olsun, kucuk theta degerleri icin katsayi dusuk olsun" denirse, yapilan hatada odenen bedel (cost) fonksiyonu, bu uygulama icin ozel bir sonuc verecektir. verilen formulde katsayi, fair olmasi icin = 1 kabul edilmistir.
Mean Squared Error ise isminden de anlasilacagi gibi yapilan hatayi once gercek degerden cikarip, sonra karesi alinip, sonra ortalamasini bulan genel bir estimator dir. regressionda risk function (cost function) olur, teorik hesaplamalarda estimator olur, predictor olur. Yani aslinda Cost function MSE'den turemistir, dolayisiyla once MSE anlatilmasi gerek, geometrik sekil uzerinde Euclidean distance vs. gosterilerek; daha sonra cost function anlatilir. Diger bir estimation metodu da least squares'dir mesela. LS kullanilarak bir suru fonksiyon uretilir. Hypothesis testing konusuna galiba hic girilmemis pdf te.
Bir de tavsiyem bu gibi konulari Turkce'ye cevirmeden direkt olarak ingilizcesinden ogrenin. Cunku bazi kavramlari aciklayacak kelimelerimiz yok. ornegin istatistigin iki temel konusu "estimation" ve "prediction" bizde "tahmin" olarak tek kelimede cevriliyor. "Error", "regression (regret)", "cost" gibi kavramlar "hata" diye anlatiliveriyor. Halbuki hepsi farkli seyler ifade ediyor.
Yanlış anlamadıysam cost function da ls ,ols veya ml gibi (simple linear regression için) modele en uygun ß0 ve ß1 seçmeye çalışıyor. Neden sadece ls kullanılmıyor? Belirli koşullar sağlandığında ls için tahmin edilen parametreler blue oluyor sonuçta.
hocam yanlis anlasilmasin, MSE bir estimatordir. ancak Least Square 'in yaptigi gibi hatayi minimize etmeye calismaz. MSE'yi kullanarak hatayi minimize eden estimator (veya predictor), minimum mean squared error (MMSE) dir. Ayni sekilde cost function da iteration yaparak hatayi minimize eder.
LS genellikle sonlu (finite-length) datalar icindir. hizlidir, ama stochastic process lerde belirli kosullarda calisir. (ergodicity, WSS, SSS gibi). MMSE ise her turlu data icin kullanilabilir. ama yavas calisir.
ML bunlardan farklidir, bunun yaptigi sadece datayi tahmin etmektir. hatayi bulmaz. bayesian statistic kullanir. bunun dengi yukaridaki fonksiyonda Hypothesis functiondir. bunu kullanarak buldugun degerleri gercek degerinden cikararak MSE degerini bulabilirsin.
Bir de MAP var. MAP, ML 'in genel halidir, ve varolan en iyi statistical estimation methodtur, tum stochastic processler icin calisir. Ama cok yavastir iste. Haberlesme icin konusuyorum, neredeyse hicbiryerde kullanilmaz.
machine learning linear regression cost function gradient descent makine öğrenmesi