Публикации по теме 'linear-regression'


Парадокс значения p в линейной регрессии. Зачем нам нужна F-статистика в множественной линейной регрессии
При запуске модели множественной линейной регрессии: Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + … + ε F-статистика дает нам возможность глобально проверить, связана ли ЛЮБАЯ из независимых переменных X1, X2, X3, X4… с результатом Y. Для уровня значимости 0,05: Если значение p, связанное с F-статистикой, ≥ 0,05: тогда нет никакой связи между ЛЮБОЙ независимой переменной и Y Если значение p, связанное с F-статистикой, ‹ 0,05: Тогда КАК МИНИМУМ 1 независимая переменная связана с Y..
Линейная регрессия: основы
Линейная регрессия — это алгоритм контролируемого машинного обучения, используемый для моделирования взаимосвязи между зависимой переменной и линейной комбинацией независимых переменных. Он существует уже довольно давно и является одним из наиболее изученных и используемых алгоритмов в области статистики и науки о данных. Он также является одним из самых простых, но благодаря своей простоте в нем также появляется слой фундамента, который был зацементирован в сердце науки о данных. При..
Машинное обучение с нуля (часть 2)
(Демистификация математики, лежащей в основе линейной регрессии, с использованием градиентного спуска) Введение Математика и Программирование  – это два основных компонента науки о данных, которыми должен овладеть каждый специалист по данным, чтобы преуспеть в этой конкурентной области. Но изучение математики и практика кодирования — это больше, чем кажется на первый взгляд. Вот почему мы начали эту серию статей, Алгоритмы машинного обучения , с нуля. Мы проведем вас через..
Оценка модели машинного обучения
В некоторых статьях уже объяснялось, как создать модель и разделить данные на обучение и тестирование. На этом занятии будут объяснены метрики для оценки модели, созданной в контролируемом обучении. Как известно, в обучении с учителем существует два разных алгоритма: классификация (в основном дискретные значения) и регрессия (в основном непрерывные значения). Оценка классификационно-логистической регрессии Существуют некоторые оценочные показатели для модели классификации. И будут..
Что на самом деле представляет собой уравнение плоскости?
Что приходит вам на ум, когда вы видите уравнение плоскости? Как вы это интерпретируете? Это критическая концепция в машинном обучении. Я хочу показать вам, как уравнение может полностью представить плоскость в вашей спальне. 😃 Что такое самолет? Если совсем простым языком, то плоскость в нашем трехмерном мире — это прямая бесконечно длинная вещь, которая делит пространство на две половины. Вот фиктивный пример: На картинке выше представьте бесконечно длинный предмет,..
Прогноз проката велосипедов с использованием регрессии
В этом посте я сравниваю модели регрессии на наборе данных совместного использования велосипедов из Репозитория машинного обучения UCI . Цель задачи регрессии состоит в том, чтобы предсказать количество велосипедов, арендованных в каждый час. Проект был написан на Python с использованием Jupyter Notebooks и доступен по ссылке в конце этого поста. Содержание Набор данных Исследование и предварительная обработка данных Показатели оценки Линейная регрессия..
Машинное обучение — продолжение линейной регрессии
Где мы остановились В предыдущей статье мы остановились на двух уравнениях, которые рассчитывают θ₀ и θ₁, а именно: Я заметил, что «Дэниел, разработчик программного обеспечения» временно взял на себя ответственность и инициировал суммирование с 0. В наборе данных рекомендуется присвоить индекс 1 первой записи, при этом зарезервировав x₀ и y₀ специально для представления пересечения модель регрессии с осью Y. Сейчас Давайте приступим к расчету этих параметров и проверим нашу..