[NHẠC] Okay, đến thời điểm này chúng ta mới chỉ
xem xét mô tả dữ liệu với một đường thẳng và câu hỏi là, cái nào là một lựa chọn tốt? Tôi thực sự cảm thấy ở đây bản
phân tích của tôi rất trung thực. Tôi thấy phù hợp với đường thẳng này, tôi tối giản
tổng bình phương phần dư, tôi đưa ra dự đoán cho giá trị căn nhà của mình. Bằng cách đó tôi đã dùng tất cả
sự quan sát mà tôi đã trải qua và ghi lại tất cả giá bán nhà gần đây. Và tôi tới gặp Carlos và tôi nói,
này, nhìn sự phân tích của tôi này. Đây là ước tính của tôi về giá trị của căn nhà. Và anh ấy nói, tôi không chắc. Bởi vì thực sự với tôi,
tôi không chắc rằng đó là hướng tuyến tính. Anh ấy thực sự nói
đó không phải tuyến tính. Anh ấy nói đó không phải tuyến tính. Hoặc theo như hoạt hình của tôi, anh ấy nói,
chàng trai, đó không phải mối quan hệ tuyến tính. Chàng trai. Không tôi đoán Carlos sẽ không nói chàng trai. Nhưng anh ấy nói người em. Anh ấy nói người em. Được rồi. Người em. Anh ấy luôn xem tôi như người em, tất nhiên. Được rồi. Nhưng mấu chốt là Carlos không nghĩ
đó là mối quan hệ tuyến tính. Anh ấy nghĩ, bạn biết đấy có thể
đó là đường bậc hai. Anh ấy nói bạn đã thử một đường bậc hai chưa? Đúng. Bây giờ tôi nhìn vào đường mà
anh ấy đưa lên đây và tôi nói thực tế nó trông khá tốt. Và tôi phải làm gì bây giờ? Tôi phải chỉ ra đường bậc hai nào
phù hợp nhất với dữ liệu này. Và tôi sẽ làm điều đó như thế nào? Tôi sẽ quay lại và tôi sẽ tối giản
tổng bình phương phần dư. Vì vậy tôi cần làm là tối giản
tổng bình phương phần dư. Chúng ta hãy nói về cái gì
sẽ liên quan, bởi vì khi tôi nhìn vào hàm bậc hai
tôi có ba thông số ở đây. Tôi vẫn có hệ số dốc của tôi,
chỉ ra vị trí của đường cong, Lên và xuống trên trục y. Và sau đó tôi có số hạng tuyến tính x, và tôi cũng có thêm số hạng ở đây,
cái này bây giờ là bình phương của x. Đó là cách tôi có thành phần bậc 2. Nhưng tôi muốn đưa ra 1 bình luận nhanh ở đây,
vì thế 1 khía cạnh khác, nó vẫn được gọi là hồi quy tuyến tính. Và lý do là vì chúng ta nghĩ
x bình phương cũng giống đặc tính khác. Và cái mà chúng ta thấy là w
luôn luôn xuất hiện như w, không bình phương w hoặc
các hàm khác của w. Và chúng ta sẽ thảo luận điều này
nhiều hơn trong khóa học hồi quy. Nhưng nhớ rằng, mặc dù chúng ta
đang nói về hàm bậc hai phù hợp với dữ liệu thì nó vẫn được gọi là hồi quy tuyến tính. Được rồi nhưng điều mấu chốt tôi muốn
làm ở đây là chúng ta có ba thông số khi tôi tối giản tổng bình phương phần dư, tôi sẽ phải tìm kiếm không gian
của ba thứ khác nhau. Tôi phải tối giản kết hợp của w0, w1 và w2 và tìm ra đường bậc hai phù hợp mà
có tổng bình phương phần dư nhỏ nhất. Được rồi, tôi chỉ đi và làm phép tính này mà thực sự hóa ra
cũng có hiệu quả và chúng ta lại sẽ thảo luận tổng quát trong khóa học hồi quy. Nhưng sau đó Carlos có một ý tưởng tuyệt vời. Anh ấy nói đợi chút! Tôi đã nói với bạn về bậc hai,
nhưng bạn đã thử một đa thức bậc 13 chưa? Và tôi nói, chưa, tôi chưa làm. Điều này cũng có nghĩa. rất nhiều ý nghĩa. Nhìn vào đây, trông khá tốt. Nó phù hợp với cái mà Carlos có
với đa thức thứ 13 của anh ấy. Anh ấy nói, tôi đã làm tối giản tổng bình phương phần dư. Khá tốt phải không? Tổng bình phương phần dư ở đây về cơ bản là 0. Nhưng cá nhân tôi không cảm thấy tốt về điều này. Bởi vì tôi nhìn vào và tôi nói
nhà của tôi không đáng giá quá thấp. Tôi biết điều đó, tôi biết. Đúng, chúng ta đã nói về tổng bình phương
phần dư và đưa ra giá trị tương ứng này. Và đúng, Carlos dường như thực sự,
thực sự, thực sự đã giảm tối đa tổng bình phương phần dư,
nhưng thứ gì đó không đúng với tôi. Hàm này trông rất bất thường. [NHẠC]