Habka Ugu Yar ee Labajibbaaran: Hordhac iyo Adeegsi Falanqaynta Xogta
Pendahuluan
Habka Ugu Yar ee Labajibbaaran waa mid ka mid ah farsamooyinka ugu aasaasiga ah uguna ballaaran ee loo isticmaalo falanqaynta xogta, gaar ahaan tirakoobka iyo xisaabta la dabaqay. Habkani wuxuu higsanayaa inuu qiyaaso xuduudaha yareeya wadarta labajibbaarannada leexashada la arkay ee ka timid qaab la soo jeediyay. Maqaalkan, waxaan ku sahamin doonnaa fikradaha aasaasiga ah ee habka ugu yar ee labajibbaaran, adeegsigeeda dhinacyo kala duwan, iyo tallaabooyinka wax ku oolka ah ee lagu hirgelinayo.
Fikradaha Aasaasiga ah ee Habka Ugu Yar ee Labajibbaaran
Habka ugu Yar ee Squares waxaa si fudud loogu sharxi karaa dib-u-celinta toosan. Ka soo qaad inaan haysanno xog qaab lammaane \((x_i, y_i)\) halkaas oo \(i = 1, 2, …, n \). Qaabka toosan ee aan rabno inaan dhisno waxaa lagu tilmaami karaa sidan:
\[ y = \beta_0 + \beta_1 x + \epsilon \]
halkaas oo \( \beta_0 \) iyo \( \beta_1 \) ay yihiin xuduudaha aan rabno inaan qiyaasno, halka \( \epsilon \) uu yahay qaladka ama haraaga la filayo inuu leeyahay celcelis eber ah.
Hadafka habka ugu yar ee labajibbaaran waa in la yareeyo shaqada ujeeddada leh ee soo socota:
\[ S(\beta_0, \beta_1) = \sum_{i=1}^{n} (y_i – \beta_0 – \beta_1 x_i)^2 \]
Helitaanka Halbeegyada Ugu Fiican: Habka Xisaabeed
Si loo helo qiimayaasha halbeegga ee yareeya shaqada ujeeddada \( S \), waxaan u baahanahay inaan xisaabino qaybaha ka soo jeeda \( S \) marka loo eego \( \beta_0 \) iyo \( \beta_1 \), ka dibna aan xallino isla'egta soo socota:
\[ \frac{\partial S}{\partial \beta_0} = -2 \sum_{i=1}^n (y_i – \beta_0 – \beta_1 x_i) = 0 \]
\[ \frac{\partial S}{\partial \beta_1} = -2 \sum_{i=1}^n x_i (y_i – \beta_0 – \beta_1 x_i) = 0 \]
Marka aan xallinno nidaamkan isle'egyada toosan, waxaan ka heli karnaa qiyaasayaasha \(\hat{\beta_0}\) iyo \(\hat{\beta_1}\):
\[ \hat{\beta_1} = \frac{n \sum_{i=1}^n x_i y_i – \sum_{i=1}^n x_i \sum_{i=1}^n y_i}{n \sum_{i=1}^n x_i^2 – (\sum_{i=1}^n x_i)^2} \]
\[ \kooxda{\beta_0} = \baar{y} – \kooxda{\beta_1} \baar{x} \]
halkaas oo \(\bar{y}\) iyo \(\bar{x}\) ay yihiin celceliska \(y\) iyo \(x\) siday u kala horreeyaan.
Habka Ugu Yar ee Labajibbaaran
1. Dhaqaalaha iyo Maaliyadda
Habka ugu yar ee laba jibbaaran ayaa si weyn loogu isticmaalaa dhaqaalaha si loo qaabeeyo xiriirka ka dhexeeya doorsoomayaasha dhaqaalaha. Tusaale ahaan, falanqeeyaha dhaqaalaha ayaa laga yaabaa inuu rabo inuu qaabeeyo saameynta heerka shaqo la'aanta uu ku leeyahay sicir bararka. Isagoo adeegsanaya habka ugu yar ee laba jibbaaran, falanqeeyaha wuxuu samayn karaa qaab dib-u-dhac ah oo la xiriira labada doorsoome oo sameeya natiijooyin tirakoob ah oo ku saabsan xoogga iyo dabeecadda xiriirka.
2. Cilmiga Bulshada
Cilmiga bulshada, habka ugu yar ee laba jibbaaran ayaa badanaa loo isticmaalaa sahaminta iyo cilmi-baarista cilmi-nafsiga si loo barto xiriirka ka dhexeeya dhaqanka aadanaha iyo doorsoomayaasha kale. Tusaale caadi ah waa dib-u-dhac toosan oo fudud oo la xiriira heerka farxadda qofka iyo dakhligiisa sannadlaha ah.
3. Injineernimada
Injineernimada, habka ugu yar ee laba jibbaaran ayaa loo isticmaali karaa habaynta qalabka iyo habaynta calaamadaha. Tusaale ahaan, habaynta sawirka dijitaalka ah, habkan waxaa loo isticmaalaa in lagu yareeyo buuqa sawirrada iyadoo lagu rakibayo qaab ku salaysan xogta la arkay.
4. Saadaasha Hawada iyo Cimilada
Khubarada saadaasha hawada waxay adeegsadaan habkan si ay u falanqeeyaan xogta la xiriirta heerkulka, roobka, ama isbeddellada kale ee cimilada. Iyada oo la adeegsanayo moodooyinka dib-u-noqoshada, waxay saadaalin karaan qaababka cimilada iyagoo ku saleynaya xogta taariikhiga ah, taasoo gacan ka geysaneysa abuurista saadaal sax ah.
Hirgelinta Wax-ku-oolka ah ee Python
Si loo hirgeliyo habka ugu yar ee laba jibbaaran ee ku dhaqanka, gaar ahaan dib-u-celinta toosan ee fudud, waxaan isticmaali karnaa luqadda barnaamijyada Python iyadoo la kaashanayo maktabadaha 'numpy' iyo 'matplotlib'. Waa kan tusaale kood ah oo muujinaya habkan:
"'python
soo dejinta nump sida np
soo dejiso matplotlib.pyplot sida plt
Xogta muunadda ah
x = np.array([1, 2, 3, 4, 5])
y = np.array ([2, 3, 5, 7, 11])
Celceliska x iyo y
mean_x = np.celcelis(x)
mean_y = np.celcelis(y)
Xisaabi xuduudaha
tiro-saare = np.sum((x – mean_x) (y – mean_y))
Hooseeye = np.sum((x – mean_x) 2)
b1 = tiro-saare / hooseeyaha
b0 = mean_y – b1 mean_x
Saadaasha y
y_pred = b0 + b1 x
Natiijooyinka sheekada
plt.scatter(x, y, midab='buluug', calaamad='Xogta Kormeerka')
plt.plot(x, y_pred, midab='cas', calaamad='Khadka Dib-u-Celinta')
plt.xlabel('x')
calaamadda plt.ylabel('y')
plt.legend()
plt.show ()
daabac(f”Isku-dhafka dib-u-celinta: b0 = {b0}, b1 = {b1}”)
““
Gabagabo
Habka ugu yar ee labajibbaaran waa aasaas awood leh oo muhiim ah oo ku saabsan tirakoobka iyo falanqaynta xogta. Awooddeeda ay ku yarayn karto khaladaadka iyo kor u qaadida ku habboonaanta moodeelka ayaa ka dhigaysa mid aad waxtar u leh dhinacyo badan, laga bilaabo dhaqaalaha ilaa injineernimada iyo cilmiga bulshada. In kasta oo fikradda aasaasiga ahi ay fudud tahay, habka waxaa loo fidin karaa qaabab aad u adag sida dib-u-noqoshada aan tooska ahayn, moodooyinka saamaynta isku dhafan, iyo barashada mashiinka. Iyada oo si fiican loo fahmayo habka ugu yar ee labajibbaaran iyo ku-dhaqan ku filan, waxaan hagaajin karnaa saxnaanta falanqaynta xogtayada oo aan sameyn karnaa go'aanno xog ogaal ah.
Waxaan rajeynayaa in maqaalkani uu bixinayo dulmar cad oo dhammaystiran oo ku saabsan habka ugu yar ee labajibbaaran iyo adeegsigiisa.
