सभी चुनौतियाँ
मध्यम 0 हल किए गए 0% स्वीकृति

सिंपल लीनियर रिग्रेशन (लीस्ट स्क्वेयर्स)

लीस्ट स्क्वेयर्स के सूत्रों से डेटा पॉइंट्स पर सबसे अच्छी बैठने वाली सीधी रेखा खोजें।

आप क्या सीखेंगे

  • बंद सूत्रों से रेखा फ़िट करना
  • ढलान और अंतःखंड निकालना
  • समझना कि सबसे अच्छा फ़िट क्या होता है

समस्या

लीनियर रिग्रेशन वह रेखा y = slope × x + intercept खोजता है जो डेटा पर सबसे अच्छी बैठती है, यानी जिसमें स्क्वेयर्ड एरर का योग सबसे कम हो। एक इनपुट वेरिएबल के लिए एक सटीक सूत्र है:

  • slope = Σ(x - x̄)(y - ȳ) / Σ(x - x̄)²
  • intercept = ȳ - slope × x̄

जहाँ x̄ और ȳ, xs और ys के औसत हैं। अगर सभी xs बराबर हों, तो slope 0 और intercept ȳ लौटाएँ।

linear_regression(xs, ys) लागू करें।

इनपुट

xs, ys: डेटा पॉइंट्स के x और y मान (समान लंबाई)।

आउटपुट

[slope, intercept] लौटाएँ।

सीमाएँ

1 ≤ पॉइंट्स की संख्या ≤ 10,000

-10,000 ≤ हर मान ≤ 10,000

उदाहरण

उदाहरण 1
इनपुट:
xs = [1.0, 2.0, 3.0, 4.0]
ys = [3.0, 5.0, 7.0, 9.0]

अपेक्षित आउटपुट:
expected = [2.0, 1.0]
इनपुट:
std::vector<double> xs = {1.0, 2.0, 3.0, 4.0};
std::vector<double> ys = {3.0, 5.0, 7.0, 9.0};

अपेक्षित आउटपुट:
std::vector<double> expected = {2.0, 1.0};
इनपुट:
double[] xs = new double[] {1.0, 2.0, 3.0, 4.0};
double[] ys = new double[] {3.0, 5.0, 7.0, 9.0};

अपेक्षित आउटपुट:
double[] expected = new double[] {2.0, 1.0};

व्याख्या

पॉइंट्स ठीक y = 2x + 1 पर हैं। x̄ = 2.5, ȳ = 6, Σ(x - x̄)(y - ȳ) = 10 और Σ(x - x̄)² = 5, इसलिए slope = 2 और intercept = 6 - 2 × 2.5 = 1।

उदाहरण 2
इनपुट:
xs = [0.0, 1.0, 2.0]
ys = [1.0, 3.0, 2.0]

अपेक्षित आउटपुट:
expected = [0.5, 1.5]
इनपुट:
std::vector<double> xs = {0.0, 1.0, 2.0};
std::vector<double> ys = {1.0, 3.0, 2.0};

अपेक्षित आउटपुट:
std::vector<double> expected = {0.5, 1.5};
इनपुट:
double[] xs = new double[] {0.0, 1.0, 2.0};
double[] ys = new double[] {1.0, 3.0, 2.0};

अपेक्षित आउटपुट:
double[] expected = new double[] {0.5, 1.5};

व्याख्या

x̄ = 1 और ȳ = 2। Σ(x - x̄)(y - ȳ) = (-1)(-1) + 0 + (1)(0) = 1 और Σ(x - x̄)² = 2, इसलिए slope = 0.5 और intercept = 2 - 0.5 × 1 = 1.5।

कैसे हल करें

पहले खुद कोशिश करें, फिर एक-एक करके संकेत खोलें।

संकेत 1

Best-fit line x और y के अपने means के आसपास कैसे vary करते हैं, उससे निकलती है।

संकेत 2

पहले means निकालें, फिर slope formula के लिए numerator और denominator accumulate करें।

संकेत 3

अगर सभी x-values same हों, तो slope undefined है, इसलिए average y-value से गुजरती हुई flat line return करें।

अपेक्षित जटिलता

समय O(n), अतिरिक्त स्थान O(1)

संदर्भ

यह चुनौती CodeUtility के लिए अनुकूलित की गई है। ऊपर दिए गए स्टेटमेंट और सीमाओं का पालन करें।

हर कोडर का सबसे अच्छा पास हुआ समाधान। तेज़, कम मेमोरी वाले और बेहतर रेटिंग वाले समाधान ऊपर रहते हैं।

अभी कोई पास हुआ समाधान नहीं है। इसे हल करें और पहला स्थान पाएँ।

दूसरों से सीखें

समुदाय समाधान

अभी तक कोई प्रकाशित समाधान नहीं। पहला साझा करने के लिए इस चुनौती को हल करें।