SQUARED ERROR Meaning in Thai - translations and usage examples

• คลาดเคลื่อนกำลังสอง

Examples of using Squared error in English and their translations into Thai

So this is the squared error of the line.
นี่คือค่าคลาดเคลื่อนกำลังสองของเส้นตรง

And then, you could imagine the vertical axis to be the squared error.
แล้ว, คุณสามารถนึกได้ว่าแกนดิ่งคือค่าคลาดเคลื่อนกำลังสอง

Or total squared error with the line.
หรือค่าคลาดเคลื่อนกำลังสองรวมของเส้นตรงนั่นเอง

Sometimes, it's called the squared error.
บางครั้ง, มันเรียกว่าค่าคลาดเคลื่อนกำลังสอง

This is the squared error of the line axis.
นี่คือแกนค่าคลาดเคลื่อนกำลังสองของเส้นตรง

So this first term right over here, y1 minus mx1 plus b squared, this is all going to be the squared error of the line.
แล้วเทอมแรกนี่ตรงนี้, ymx1บวกbกำลังสอง, นี่จะเป็นค่าคลาดเคลื่อนกำลังสองของเส้นตรง

Let me caught it the squared error with the line.
ขอผมเรียกมันว่าค่าคลาดเคลื่อนกำลังสองของเส้นตรง

So are squared error versus our line, our total squared error, we just computed to be 2.74.
นี่คือค่าคลาดเคลื่อนกำลังสองเทียบกับเส้นตรงของเรา, ค่าคลาดเคลื่อนกำลังสอง, เราเพิ่งคำนวณได้2.74

Let me call this the squared error from the average.
ขอผมเรียกนี่คือว่าค่าคลาดเคลื่อนกำลังสองจากค่าเฉลี่ย

So our squared error to the line from the sum of the squared error to the line from the n points is going to be equal to-- this term right here is n times the mean of the y squared values.
แล้วค่าคลาดเคลื่อนกำลังสองของเส้นตรงจากผลบวกของค่าคลาดเคลื่อนของเส้นตรงจากจุดnจุดจะเท่ากับ--เทอมนี่ตรงนี้คือnคูณค่าเฉลี่ยของ

And the partial derivative of our squared error with respect to b is going to be equal to 0.
และอนุพันธ์ย่อยของค่าเฉลี่ยกำลังสองเทียบกับbจะเท่ากับ0

And over the next few videos, is I want to find the m and b that minimizes the squared error of this line right here.
และในวิดีโอต่อๆ ไป, ผมอยากหาค่าmกับbที่ทำให้ค่าคลาดเคลื่อนกำลังสองของเส้นตรงนี่ตรงนี้น้อยที่สุด

And we want the squared errors between each of the points of the line.
และเราอยากหาค่าคลาดเคลื่อนกำลังสองระหว่างจุดเส้นตรงแต่ละจุด

And so what we calculated next was the total error, the squared error, from the means of our y values.
แล้วสิ่งที่เราคำนวณต่อไปคือค่าคลาดเคลื่อนรวม, ค่าคลาดเคลื่อนกำลังสอง, จากค่าเฉลี่ยของค่าyเรา

So let me define the squared error against this line as being equal to the sum of these squared errors..
ขอผมนิยามค่าคลาดเคลื่อนกำลังสองเทียบกับเส้นตรงนี้ว่าเท่ากับผลบวกของค่าคลาดเคลื่อนพวกนี้กำลังสอง

So if you want to know what percentage of the total variation is not described by the regression line, it would just be the squared error of the line, because this is the total variation not described by the regression line.
แล้วถ้าคุณอยากรู้เปอร์เซ็นต์ของการแปรเปลี่ยนรวมที่ไม่ได้บรรยายด้วยเส้นตรงถดถอย, มันก็คือค่าคลาดเคลื่อนกำลังสองของเส้นตรง, เพราะนี่

In the last video, we showed that the squared error between some line, y equals mx plus b and each of these n data points is this expression right over here.
ในวิดีโอที่แล้ว, เราแสดงไปว่าค่าคลาดเคลื่อนกำลังสองระหว่างเส้นตรงเส้นหนึ่ง, yเท่ากับmxบวกbของจุดข้อมูลnจุดแต่ละจุดคือพจน์นี่ตรงนี้

The total variation in y, which is the squared error from the mean of the y's.
การแปรเปลี่ยนของค่าy, ซึ่งก็คือค่าคลาดเคลื่อนกำลังสองวัดจากค่าเฉลี่ยของy

So if we take 1 minus the squared error between our data points and the line over the squared error between the y's and the mean y, this actually tells us what percentage of total variation is described by the line.
แล้วถ้าเราเอา1ค่าคลาดเคลื่อนกำลังสองระหว่างข้อมูลเรากับเส้นตรงส่วนค่าคลาดเคลื่อนกำลังสองระหว่างค่าyกับค่าเฉลี่ยของy, นี่จะบอกจำนวนเปอร์เซ็นต์ของการแปรเปลี่ยน

And what we want to do is minimize this squared error from each of these points to the line.
สิ่งที่ผมอยากทำคือทำให้ความคลาดเคลื่อนกำลังสองจากแต่ละจุดถึงเส้นตรงนั้นน้อยที่สุด

So at that point, the partial derivative of our squared error with respect to m is going to be equal to 0.
และตรงจุดนั้น, อนุพันธ์ย่อยของค่าคลาดเคลื่อนกำลังสองเทียบกับmเท่ากับ0

This is all just algebraic manipulation of the squared error between those n points and the line y equals mx plus b.
นี่ก็แค่การจัดรูปโดยใช้พีชคณิตของค่าคลาดเคลื่อนกำลังสองระหว่างจุดnจุดพวกนั้นกับเส้นตรงyเท่ากับmxบวกb

So this is the error one squared.
นี่ก็คือค่าคลาดเคลื่อน1กำลังสอง

Error two squared is y2 minus m x2 plus b.
ค่าคลาดเคลื่อน2กำลังสองคือy2mx2บวกb

We got to a formula for the slope and y-intercept of the best fitting regression line when you measure the error by the squared distance to that line.
เราได้สูตรสำหรับความชันและค่าตัดแกนyของเส้นตรงถดถอยที่ดีที่สุดเวลาคุณวัดความคลาดเคลื่อนด้วยระยะห่างกำลังสองถึงเส้นตรงนั้น

But what we want to do is a minimize the square of the error between each of these points, each of these n points on the line.
แต่สิ่งที่เราอยากทำคือทำให้กำลังสองของค่าคลาดเคลื่อนระหว่างจุดแต่ละจุด, กับค่าพวกนี้nจุดบนเส้นตรงน้อยที่สุด