积极 AI Logo 积极 AI

交互式线性回归与均方误差(MSE)函数演示

交互式线性回归与均方误差(MSE)函数演示
几何画板及绘图内容加载中，请稍等……
2020-09-01 01:15
函数解析几何概率统计最值优化函数图像
本交互式范例动态演示了如何通过最小化均方误差（MSE）来拟合最佳线性回归直线。核心数学概念包括线性回归、最小二乘法、均方误差（MSE）函数、残差以及数据的统计特征（如均值）。作图要点上，该模型利用 GeoGebra 的 Line、mean、Sum、OrthogonalLine、Intersect、Segment 和 Residual 等命令，结合 button1 控件及大量数据点与辅助对象（如 A 系列、O 系列点），直观呈现数据点到回归线的垂直残差及整体误差平方和。此范例适用于高中或大学统计学、解析几何及机器学习入门课程中回归分析部分的教学与实验。

GeoGebra 命令及参数

  1. Line(A, B) → a
  2. mean(A2:A16) → A18
  3. mean(B2:B16) → B18
  4. Sum(F2:F16) → F18
  5. Sum(G2:G16) → G18
  6. Line(D, C) → b
  7. OrthogonalLine(O11, xAxis) → c
  8. Intersect(b, c) → E
  9. Segment(E, O11) → d
  10. Residual(O1, b) → e
  11. Residual(O2, b) → f
  12. Residual(O10, b) → g
  13. Residual(O3, b) → h
  14. Residual(O12, b) → i
  15. Residual(O4, b) → j
  16. Residual(O13, b) → k
  17. Residual(O5, b) → l
  18. Residual(O14, b) → m
  19. Residual(O6, b) → n
  20. Residual(O8, b) → p
  21. Residual(O15, b) → q
  22. Residual(O9, b) → r
  23. Residual(O7, b) → s
  24. Residual(O10, a) → t
  25. Residual(O11, a) → a_1
  26. Residual(O1, a) → b_1
  27. Residual(O2, a) → c_1
  28. Residual(O12, a) → d_1
  29. Residual(O3, a) → e_1
  30. Residual(O13, a) → f_1
  31. Residual(O4, a) → g_1
  32. Residual(O14, a) → h_1
  33. Residual(O5, a) → i_1
  34. Residual(O6, a) → j_1
  35. Residual(O15, a) → k_1
  36. Residual(O7, a) → m_1
  37. Residual(O8, a) → n_1
  38. Residual(O9, a) → p_1
  39. Sum(I2:I16) → I18
  40. Sum(J2:J16) → J18

AI 绘图提示语参考

绘制一个交互式的线性回归图形，展示如何通过最小化均方误差（MSE）函数来拟合一条直线。图形中包含线性回归线、均值点、垂直线、交点、线段、残差、按钮1和多个点对。构造顺序为：先绘制回归线，计算数据点的均值和平方和，然后通过垂直线找到回归线的投影点，再绘制残差线段和垂直投影线，最后添加交互按钮和点对以便动态调整和可视化误差。
以上提示语为根据原始绘图命令整理而来，仅供参考。