[背景音乐]
翻译: RyukaSuu |审阅: 19waa
Coursera Global Translator Community 好的 我们已经十分深入地探讨了关于 使用回归模型来解决预测房屋价格的问题 
但是当然 那些可以运用回归模型的应用问题的数量
是十分巨大的 让我们来讨论其中的一些例子 其中一个是 预测你在学习了这一系列的机器学习专业课程后
所能得到的薪资 所以当你非常非常地努力学习这一系列专业课程后 但愿在这之后
你能够获得一份很酷的工作 挣很高的薪资 但是要预测你的薪资可能会是多少
可能这就依赖于一些事物 比如 你在这系列专业课程的不同课程中的表现如何？ 你毕业项目的质量如何？ 你在论坛上回复了多少帖子？ 类似种种 好的 当我们考虑去预测你的 薪资 y hat 的时候 我们所要做的
就是估计我们的模型的参数 w0 w1 w2和w3 这些是我们模型的截距大小
以及一系列的权值 对应于你课堂的表现 你的毕业项目的质量 和你在讨论区的参与程度 我们会估计这些模型的参数
我们将会使用到这些 我们将会把这些特征应用在其他选修这门课的学生身上 以及我们观测到的
他们的薪资到底是多少 以及他们在选修这门机器学习专业课程之后
所获得的工作 另一个回归分析的应用就是股市的预测 在这里 我们会考虑这样的一个事实
那就是 对明天股市价格的预测
是依赖于最近股市价格的历史数据的 这依赖于一些新闻事件
即在世界上发生的各种不同的事 以及那些相关的商品的价值 回归分析还有一种非常特殊的应用
比之于预测股市的价格 以及预测你在选修这门专业课程之后的薪资十分不同
那就是推特的转发 想象你正在使用推特 你正在发一条推特的时候 你想要知道最终会有多少的用户
转发你刚刚发送的那条推特 这就依赖于你有多少关注者 你的关注者们有多少关注者
你发送的推特文本中的不同特征 以及你的推特所包含的标签的受欢迎程度 以及你过去的推特有多少转发量
等等诸如此类的特征 结果表明这一类的模型事实上十分擅长于预测 你的推特的最终转发次数 另一个与众不同的应用可能在于智能居室
想象一下你有一套智能的居室 在这个居室中有许多不同的传感器 并且有许多不同的事情是你可以控制的
比如不同的位置温度的设置 比如通风口 百叶窗以及诸如此类的等等 然后你有一间家庭办公室和一张办公桌
并且你希望有能力去预测 你的办公桌的温度
基于所有这些控制器的种种不同的设置 但是实际上在你的办公桌上没有直接的传感器 所以你能够考虑去做的是 拟合一个空间的模型来预测 整个居室中所有不同位置的温度 这个预测可能会依赖于一些特征
比如居室中温度调节器的设定 百叶窗是打开的还是关闭的 居室外的温度
你是如何 设置不同的通风口 以及像是一天中的时间这样的特征 对吗？ 好的 但愿你已经了解了回归分析的应用 实际上这仅仅触及了应用了回归分析的问题的冰山一角 但它确实是一个强有力的工具 [背景音乐]
翻译: RyukaSuu |审阅: 19waa
Coursera Global Translator Community