WEBVTT

00:00:00.000 --> 00:00:01.352
Hallo!

00:00:01.352 --> 00:00:05.912
Das ist ein weiteres Video in meiner Serie zur linearen Regression.

00:00:05.912 --> 00:00:07.938
Nun, wieso siehst du dir diese Videos an?

00:00:07.938 --> 00:00:09.666
Ich weiss es ehrlichgesagt nicht genau.

NOTE Paragraph

00:00:09.666 --> 00:00:18.100
Aber dieses Thema und die Skills legen das Fundament dafür, wozu ich in zukünftigen Videos kommen werde,

00:00:18.130 --> 00:00:19.672
nämlich das Erstellen eines auf

00:00:19.672 --> 00:00:20.151
neuronalen Netzwerken basierenden

00:00:20.151 --> 00:00:20.711
Machine Learning Systems.

00:00:20.731 --> 00:00:22.072
Also, zuerst: wieso mache ich ein weiteres

00:00:22.097 --> 00:00:24.852
Video über lineare Regression?

00:00:24.876 --> 00:00:28.473
In den vorherigen zwei Videos habe ich einen

00:00:28.473 --> 00:00:30.902
P5.js Sketch erstellt, der lineare Regression

00:00:30.902 --> 00:00:33.611
anwendet, indem er die "Ordinary least squares method" benutzt.

00:00:33.627 --> 00:00:34.920
Dies ist eine statistische Herangehensweise.

00:00:34.920 --> 00:00:38.035
Hier sind einige Punkte im zweidimensionalen Raum

00:00:38.035 --> 00:00:42.426
und ich versuche, eine Linie dazu zu fitten,

00:00:42.426 --> 00:00:46.192
sodass ich neue Punkte in diesem Raum voraussagen kann.

00:00:46.192 --> 00:00:47.773
Und du siehst, wenn ich herumklicke,

00:00:47.773 --> 00:00:50.152
wie die Linie angepasst wird.

00:00:50.152 --> 00:00:54.225
Ich habe auch diskutiert, wann lineare Regression Sinn macht,

00:00:54.235 --> 00:00:55.735
aufgrund der vorliegenden Daten,

00:00:55.738 --> 00:00:57.728
Das sind grosse, wichtige Fragen,