Din första prediktiva modell — en rät linje

Du har mätt hur många glassar kiosken säljer vid olika temperaturer: (15 °C, 20 st), (20 °C, 35 st), (25 °C, 50 st). Det ser ut som en linje. Om du hittar linjen kan du förutsäga försäljningen vid 30 °C.

En modell här är bara försäljning = k · temperatur + m. "Träna modellen" betyder: hitta k och m som får linjen att passa punkterna så bra som möjligt.

Hur bra passar en linje? Räkna felet för varje punkt: verkligt värde − linjens gissning. Kvadrera felen (så plus och minus inte tar ut varandra, och stora fel straffas hårt) och ta medelvärdet. Det kallas MSE, mean squared error, eller loss.

Med k = 3, m = −25 på glasspunkterna:

temp	verkligt	gissning	fel	fel²
15	20	20	0	0
20	35	35	0	0
25	50	50	0	0

Loss = 0 — perfekt. Med verklig data blir det aldrig noll; man söker det minsta. Hur man hittar bästa k och m automatiskt är nästa nod: gradient descent.