[NHẠC] Trong bài học này, chúng ta đã thấy quy hồi có thể được sử dụng như thế nào để dự đoán giá nhà và cũng rất hữu ích trong các ứng dụng khác. Vì thế trong phần giới thiệu khóa học này, Carlos đã giới thiệu học máy này nơi mà chúng ta đi từ dữ liệu, cái mà được đẩy vào trong phương pháp học máy và chúng ta sử dụng điều đó để lấy bộ thông minh. Hãy khai thác sơ đồ khối này và mở rộng nó, bây giờ chúng ta đã thấy những công cụ học máy này, nhiều dữ liệu hơn một chút. Ok bây giờ chúng ta biết cái chúng ta sử dụng để phù hợp dữ liệu là bộ dữ liệu huấn luyện, đó sẽ là dữ liệu của chúng ta. Và trong ứng dụng ngôi nhà của chúng ta, nơi chúng ta sẽ dự đoán giá nhà, dữ liệu mà chúng ta đã thu thập là chúng ta đã có bảng ID của ngôi nhà và các thuộc tính của ngôi nhà cũng như giá bán nhà. Chúng ta đã có điều này cho nhiều ngôi nhà trong khu vực của chúng ta, chúng ta thu thập dữ liệu trong một số bảng. Điều đó thể hiện tập dữ liệu huấn luyện của chúng ta. Sau đó chúng ta lấy dữ liệu đó, cái mà chúng ta làm là đẩy nó qua bộ tách cái mà trong trường hợp này là bộ tách đặc trưng rất đơn giản, nơi chúng ta lựa chọn một số tập con của các thuộc tính ngôi nhà. Trong các ví dụ chúng ta đã thấy, X, bộ tính tnawng đại diện nhiều thứ như là chúng ta nhìn vào feet vuông của ngôi nhà, chúng ta cũng nhìn vào số lượng phòng tắm. Và chúng ta đã nói về khả năng sử dụng các tính năng. Một lần nữa chúng ta nói về điều đó nhiều hơn trong khóa học quy hồi nhưng có hai điều mà chúng ta đã kiểm tra trong bài học này. Và sau đó chúng ta làm gì với các tính năng? Mục đích của chúng ta là để lấy các tính năng và có các loại mô hình dẫn đến sự dự đoán giá nhà. Ok đầu ra của chúng ta, bộ thông minh mà chúng ta đang lấy là giá nhà đã dự đoán. Chúng ta sẽ làm điều này cho mỗi ngôi nhà trong bộ dữ liệu huấn luyện. Chúng ta sẽ lấy các tính năng liên quan và đưa nó qua mô hình học máy và dự đoán giá nhà. Mô hình học máy mà chúng ta đang nói đến là gì? Trong trường hợp này, nó là quy hồi Đó là mô hình học máy cụ thể chúng ta đang thấy ở đây. Hãy nhớ rằng mô hình học máy có bộ các thông số. Các thông số chúng ta gọi là W. Đó là hiệu suất trên các tính năng của chúng ta. Ví dụ nó là hiệu suất trên feet vuông hoặc số lượng phòng tắm và vấn vân. Nhiều kĩ thuật hơn những cài này được gọi là hệ số quy hồi. Và chúng ta đã nói về ước tính các thông số từ dữ liệu, w mũ của chúng ta là ước tính của chúng ta về các thông số. Chúng ta đã nói về việc làm điều đó như thế nào? Vâng chúng ta đã lấy đầu ra được dự đoán, vì thế giá nhà dự đoán của chúng ta và chúng ta so sánh với giá nhà. Giá bán mà chúng ta ghi lại trong bảng dữ liệu huấn luyện. Ở đây Y là giá bán thực ngôi nhà trong dữ liệu huấn luyện của chúng ta. Và chúng ta so với giá nhà được dự đoán. Chúng ta sử dụng thước đo chất lượng để đo chúng ta đang làm dự đoán tốt như thê nào, sử dụng mô hình của chúng ta, sử dụng w mũ như các thông số của mô hình. Chúng ta đang làm tốt như thế nào? Số liệu lỗi chúng ta nói đến là gì? Số liệu lỗi chúng ta nói đến là tổng bình phương phần dư hình vuông, khi chúng ta tổng hợp sự khác nhau giữa giá bán nhà thực và giá bán nhà dự đoán, tổng tất cả các nhà trong bộ dữ liệu huấn luyện của chúng ta. OK số liệu chất lượng của chúng ta sẽ lấy dự đoán và sự quan sát giá bán thực, tìm ra lỗi này và nó sẽ đi vào thuật toán học máy cái mà được sử dụng để cập nhật hiệu suất, cập nhật thông số của mô hình. và chúng ta sẽ nói về thuật toán học máy hoặc các biến khác của nó, nhiều hơn nữa trong khóa học trên quy hồi. Đó là sơ đồ tổng thể cho phương pháp học máy với vấn đề dự đoán nhà của chúng ta. Và vòng lặp ở đây nơi chúng ta đưa ra dự đoán, tính toán lỗi liên quan đến giá bán nhà, cập nhật hiệu suất hoặc thông số mô hình. Quá trình này có xu hướng xảy ra lặp đi lặp lại, nơi chúng ta cập nhật các giá trị một lần nữa. Nếu chúng ta dẫn dắt một cách, cái chúng ta thấy là chúng ta có một số bộ dữ liệu huấn luyện. Chúng ta có quá trình khai thác tính năng. Chúng ta có mô hình học máy. Nó sẽ tạo ra một số bộ thông minh, trong trường hợp này là sự dự đoán. Chúng ta sẽ truy cập chất lượng của bộ thông minh với một số phép đo chất lượng. Chúng ta sẽ sử dụng lỗi và độ chính xác phụ thuộc vào cách chúng ta nghĩ về cách đo đạt, để điều chỉnh thông số mô hình sử dụng thuật toán. Chúng ta sẽ xem loại học máy này một lần nữa. trong bài học chúng ta thấy cách lấy dữ liệu và lấy bộ thông minh sử dụng quy hồi, nơi chúng ta có mô hình liên quan đến các tính năng với đầu ra của chúng ta. Chúng ta đã nói về điều này trong nội dụng dự đoán giá trị nhà và bạn cũng làm việc thông qua notebook ipython. Từ điều này bạn sẽ có thể triển khai mô hình quy hồi trong thực tế. [NHẠC]