Variabelen en relaties

Afhankelijke en onafhankelijke variabelen

Laten we zeggen dat we een AI-algoritme willen bouwen om de prijs van een huis te voorspellen op basis van de kenmerken van het huis. In dit geval is de afhankelijke variabele (wat we willen voorspellen) de prijs van het huis. De onafhankelijke variabelen (wat we gebruiken om de prijs te voorspellen) zijn de kenmerken van het huis. Enkele voorbeelden van onafhankelijke variabelen in dit geval kunnen zijn:

• Grootte van het huis (in vierkante voet)
• Aantal slaapkamers
• Aantal badkamers
• Leeftijd van het huis
• Locatie (bijv. stad, buurt)

We verzamelen gegevens over elk van deze onafhankelijke variabelen voor een steekproef van huizen, samen met de bijbehorende prijzen. Vervolgens gebruiken we deze gegevens om het AI-algoritme te trainen om voorspellingen te doen op nieuwe, ongeziene gegevens.

Het is belangrijk om onafhankelijke variabelen te selecteren die waarschijnlijk goede voorspellers zijn van de afhankelijke variabele.

Het is belangrijk om onafhankelijke variabelen te selecteren die waarschijnlijk goede voorspellers zijn van de afhankelijke variabele. Bijvoorbeeld, in het geval van het voorspellen van de prijs van een huis, is het redelijk om aan te nemen dat de grootte van het huis en het aantal slaapkamers en badkamers sterke voorspellers zijn van de prijs. Aan de andere kant zijn de kleur van de muren of het type vloerbedekking misschien niet zulke sterke voorspellers van de prijs.

In het algemeen vereist het selecteren van goede onafhankelijke variabelen voor een AI-algoritme een combinatie van domeinexpertise (weten welke variabelen waarschijnlijk goede voorspellers zijn op basis van het onderwerp), gegevensanalyse (de relatie tussen elke onafhankelijke variabele en de afhankelijke variabele onderzoeken) en trial-and-error (verschillende combinaties van onafhankelijke variabelen testen om te zien welke de beste resultaten opleveren).

Lineair verband: voorbeeld

Laten we eens kijken naar een voorbeeld van hoe de prijs van een auto kan samenhangen met de leeftijd. Als we de gegevens uitzetten in een grafiek met leeftijd op de x-as en prijs op de y-as, zou een lineair verband tussen leeftijd en prijs betekenen dat de prijs constant daalt naarmate de auto ouder wordt. Met andere woorden, de lijn die de gegevenspunten op de grafiek verbindt zou recht zijn.

Niet-lineaire relatie: voorbeeld

Stel dat we ee dataset van studenten en hun testscores hebben. We willen analyseren hoe de studietijd samenhangt met de toetsscore. Als we de studietijd op de x-as zetten en de toetsscore op de y-as, zouden we een positieve relatie tussen de twee variabelen verwachten, wat betekent dat studenten die meer tijd besteden aan studeren hoger scoren op de toets. Het is echter mogelijk dat de relatie tussen de tijd die aan studeren wordt besteed en de toetsscore niet lineair is. Als de testscore van een student bijvoorbeeld de neiging heeft om af te nemen naarmate er meer tijd aan studeren wordt besteed, dan is er sprake van een niet-lineaire relatie. Met andere woorden, de testscore kan in het begin snel toenemen naarmate de student meer tijd besteedt aan studeren, maar vervolgens afvlakken naarmate de student het maximale voordeel van studeren nadert. In dit geval zouden de datapunten op de plot geen rechte lijn vormen, maar in plaats daarvan een gebogen vorm hebben.