Привет, в этой статье я покажу вам, как вы можете выбрать модель для своей задачи машинного обучения в зависимости от поведения вашего набора данных после его рисования, поехали.

Прежде чем выбрать модель, которую вы должны использовать для решения проблемы машинного обучения, вам необходимо нарисовать облако точек вашего набора данных. Этот шаг необходим, потому что он должен представить вам поведение ваших данных.

В зависимости от поведения ваших данных вы можете выбрать другую модель для решения вашей проблемы.

Примечание. Я предполагаю, что ваш набор данных содержит только одну функцию (переменную x, которая влияет на значение вывода y).

  1. Линейная модель

После рисования облака точек, если вы видите, что ваши точки следуют линейному направлению, как на этом изображении выше, модель, которую вы должны выбрать, является линейной моделью. Эта модель представлена ​​как f(x) = ax + b, где a и b — параметры функции, x — это функция, содержащаяся в нашем наборе данных, а f(x) — прогнозируемое значение. Красная линия на изображении представляет вашу модель.

2. Квадратичная модель

Во многих случаях наши точки не следуют линейному направлению, и мы не можем использовать линейную функцию. если мы видим, что наши точки следуют параболическому направлению, мы должны использовать квадратичную функцию. Он представлен как f(x) = ax² + bx + c, где a, b, c — параметры модели, x — функцию и f(x)прогнозируемое значение.

3. Модель логистической регрессии

Мы видим, что линейная квадратичная функция не соответствовала правильно нашему набору данных, поэтому в этом случае мы используем сигмоидальную функцию, которая представлена ​​​​в виде

где z = ax + b (линейная функция). Эта функция определяется от IR до ]0, 1[. Эта модель используется в задаче классификации, когда мы хотим, например, предсказать, принадлежит ли входное значение определенному классу или нет. Он также используется в глубоком обучении с нейронной сетью.

узнать больше о сигмовидной функции здесь

Я представил модели, которые вы должны знать, когда начинаете изучать машинное обучение.

Спасибо за чтение…