Публикации по теме 'linear-regression'


Концепция машинного обучения 54: Стекирование и каскадирование ансамблевых моделей.
Стекирование и каскадирование ансамблевых моделей. Стекирование и каскадирование — это два метода объединения нескольких моделей машинного обучения для повышения эффективности прогнозирования. Укладка: Стекирование — это метод, при котором несколько базовых моделей обучаются на тренировочном наборе, а затем их прогнозы объединяются для получения окончательного прогноза. Прогнозы базовых моделей используются в качестве входных данных для метамодели, которая обучается делать..
Линейная регрессия с использованием Jax
Я думаю, что линейная регрессия — лучший алгоритм для знакомства с Jax. Потому что это просто, и обычно все начинают свое путешествие по машинному обучению именно с этого алгоритма. Во-первых, что такое JAX? Jax — это библиотека Python, основанная на Numpy. Это позволяет нам выполнять числовые вычисления на массивах Numpy. В этой статье мы будем использовать Jax для получения производной функции стоимости (для градиентного спуска). Также у Jax есть функция Just-In-Time (JIT),..
Освоение линейной регрессии с градиентным спуском в Excel
Подробное руководство по внедрению и пониманию линейной регрессии шаг за шагом Хотя использование Excel или Google Sheets для решения реальных проблем с алгоритмами машинного обучения, как правило, не рекомендуется, реализация этих алгоритмов с нуля с использованием простых формул и базовых наборов данных может быть невероятно полезной для более глубокого понимания того, как они работают.
Машинное обучение для начинающих: понимание основ с помощью простой нейронной сети, созданной и…
Введение Машинное обучение можно просто определить как процесс обучения машин на основе опыта (данных) с учетом конкретной задачи и цели. Эти задачи могут быть такими же сложными, как понимание трехмерной геометрии сцены вокруг вас, глядя только на одно изображение, снятое с камеры, или такими же простыми, как предсказание того, в какой квадрант (в двухмерном евклидовом пространстве xy) попадает точка данных. Таксономия машинного обучения определяет различные типы, включая..
Как построить модель линейной регрессии в базе данных с помощью IBM Db2
Несмотря на то, что линейная регрессия является одним из первых методов машинного обучения, она по-прежнему остается лучшим выбором среди специалистов по машинному обучению для решения задачи регрессии. За последние три года более 80% респондентов ежегодного опроса Kaggle о состоянии науки о данных и машинного обучения упомянули линейную регрессию как алгоритм машинного обучения, который они чаще всего используют. IBM Db2 предоставляет хранимую процедуру (SP) в базе данных для линейной..
Градиентный спуск
Всем привет! Сегодня мы говорим о градиентном спуске. Во-первых, что такое градиентный спуск? Градиентный спуск - это итеративный алгоритм оптимизации, используемый в машинном обучении для минимизации функции потерь. Функция потерь описывает, насколько хорошо модель будет работать при текущем наборе параметров (веса и смещения), а градиентный спуск используется для поиска наилучшего набора параметров. Мы используем градиентный спуск для обновления параметров нашей модели. Параметры..
Линейная регрессия против логистической регрессии: сравнительный анализ
Введение : Линейная регрессия и логистическая регрессия — два широко используемых статистических метода моделирования и анализа данных. Хотя оба метода имеют в своем названии слово «регрессия», они служат разным целям и применяются в разных сценариях. В этом сообщении блога мы рассмотрим различия между линейной регрессией и логистической регрессией, поймем их уникальные характеристики и рассмотрим их применение в реальных сценариях. Понимание линейной регрессии: Линейная регрессия..