K
Так здесь ты ведь подаёшь на вход в уравнение регрессии ненормализованное значение, а регрессия у тебя оценена для нормализованных данных
зависимость явно линейная, но коофиценты совсем не подходят 🤔
При рассчете болучаю вообще не то
Size: a a a
2020 November 22
K
Я б не сказал, что «совсем не то». Зависимость убывающая и оценка theta1 у тебя с минусом получается. А построй-ка на скаттер плоте линию регрессии.
И
Так здесь ты ведь подаёшь на вход в уравнение регрессии ненормализованное значение, а регрессия у тебя оценена для нормализованных данных
ой, мой косяк
AO
ой, сейчас сам забыл, но если искать на форуме, то найти можно
Могли бы вы помочь? На форумах только ссылки на данные. Несколько дней ищу.
И
Ну тогда чисто технически поиск оценок неизвестных коэффициентов через град спуск реализован верно. Другое дело, почему оценки такие большие по модулю получились в задаче одномерного регрессионного анализа, где даже мультиколлинеарности быть не может. А как на скаттер плоте вообще выглядят твои данные? Зависимость действительно похожа на линейную? Гистограмки для Y и X ещё б посмотреть. Возможно, с точки зрения MSE будет лучше приближать не игрек иксом, а натуральный логарифм игрека (судя по тому, что он означает цену —> значения там всегда строго положительные, поэтому с логарифмированием проблем быть не должно) от логарифма икса
прологор-ал, но mse выше стал
K
А уравнение регрессии переоценили?
И
А уравнение регрессии переоценили?
а это как?)
K
а это как?)
Ну в смысле заново оценить неизвестные коэффициенты. До этого вы делали оценку при переменной X, а сейчас вам надо найти оценку коэффициента при переменной ln(X).
И
Я б не сказал, что «совсем не то». Зависимость убывающая и оценка theta1 у тебя с минусом получается. А построй-ка на скаттер плоте линию регрессии.
вроде неплохо
И
Ну в смысле заново оценить неизвестные коэффициенты. До этого вы делали оценку при переменной X, а сейчас вам надо найти оценку коэффициента при переменной ln(X).
вроде если я пролог-ую до всех вычислений, то и переоценку делать не надо?
K
Надо. У тебя ведь при расчете твоих старых коэффициентов использовался X, а сейчас у тебя вместо него ln(X)
S
Ребята, а в чем разница? просто что в одном плотность (то бишь для непрерывных величин), а в другом - вероятность (то бишь для дискретных), Но по сути, оба знаменателя - это маршинальное распределение Х, так?
GB
Ребята, а в чем разница? просто что в одном плотность (то бишь для непрерывных величин), а в другом - вероятность (то бишь для дискретных), Но по сути, оба знаменателя - это маршинальное распределение Х, так?
если нет какого-то особого смысла для x и для y, то ни в чём
GB
довольно странно
S
по-моему, они перепутали ответы, не?...
GB
ну это просто две формы записи байеса, только в одной расписан знаменатель
и почему марШинальное, если маргинальное называют?
и почему марШинальное, если маргинальное называют?
GB
а, так там ещё и вероятности могут подразумевать. вот это морозит, конечно, когда под p и плотность и вероятность обозначают
i
Ребята, а в чем разница? просто что в одном плотность (то бишь для непрерывных величин), а в другом - вероятность (то бишь для дискретных), Но по сути, оба знаменателя - это маршинальное распределение Х, так?
Там что то попутанно
i
Странное задание кто такое придумал?
V
Странное задание кто такое придумал?
Ребята из яндекса, полагаю)