Публикации по теме 'linear-regression'
ML без scikit-learn — Мультиномиальная линейная регрессия
В первой части серии я реализую модель линейной регрессии. Я предполагаю, что вы уже знакомы с LR, MSE и градиентным спуском.
Однако ниже приведены некоторые ключевые моменты, касающиеся модели:
Предполагается линейная связь между предикторами (X) и предсказанием (Y) Для оценки коэффициентов обычно оптимизируют функцию ошибок MSE. Для оптимизации функции ошибок мы используем градиентный спуск.
Реализация
Ниже представлен скелет класса. Вы должны реализовать 3..
Контролируемое обучение
Обучение с учителем — это категория задач машинного обучения, в которых система обучается отображать входные данные в выходные данные на основе сопоставления пар входных и выходных данных в обучающих данных.
Что это значит? Допустим, мы создаем приложение, которое может классифицировать изображения собак и кошек. Сначала мы предоставим системе множество разных изображений и дадим им несколько меток (в данном случае кошка и собака). Теперь система научится сопоставлять эти изображения с..
Реализация алгоритма «Линейная регрессия с несколькими переменными» в Python.
Алгоритмы машинного обучения приобрели огромную популярность за последнее десятилетие. Сегодня эти алгоритмы используются в нескольких рабочих областях для всевозможных манипуляций с данными и прогнозов.
В этом руководстве мы реализуем самый простой алгоритм машинного обучения под названием « Линейная регрессия ». Если бы мы описали линейную регрессию одной строкой, это было бы примерно так:
«Построение прямой линии через точки данных »
Это контролируемый алгоритм машинного..
Как мы создали нашу модель прогнозирования цен
Запущен продукт для удаления нескольких предметов. Попробуйте: https://www.airtasker.com/instant-book/few-items-removals/
Фон
Изучая задачи, мы обнаружили, что у плакатов очень разные представления о том, сколько они должны платить за один и тот же объем работы. С другой стороны, исполнители задач знают рыночный курс лучше, чем плакаты, так как им нужно уметь цитировать плакаты. Разрыв в ожиданиях между плакатами и исполнителями - одно из препятствий для «постановки задач»...
Как закодировать линейную регрессию с нуля в Python
Использование только NumPy
Что такое линейная регрессия? Почему это важно?
Линейная регрессия — это распространенный метод науки о данных и машинного обучения для прогнозирования числовых результатов на основе входных признаков.
Он является основополагающим и имеет множество реальных применений, от прогнозирования доходов от продаж до прогнозирования цен на жилье. Основная идея линейной регрессии заключается в том, чтобы сопоставить линию с набором точек данных, которые лучше..
Сверхпростое машинное обучение - простая линейная регрессия, часть 3 [Проверка]
Это последняя часть простой линейной регрессии. Сначала прочтите Часть 1 и Часть 2 .
Это заняло много времени, чтобы написать, потому что эта часть меня очень утомляла, поэтому я все время вставал, чтобы открывать и закрывать холодильник и делать другие глупости. Кроме того, я испытываю нескончаемую ненависть к p-value и проверке гипотез, потому что не могу полностью их понять. Наши отношения сейчас немного улучшились.
Еще раз дайте мне знать, если вы заметите какие-либо..
Введение в линейную регрессию с использованием Python
Что такое регрессия?
Регрессионный анализ, вероятно, является одной из самых важных областей анализа данных и машинного обучения. Проще говоря, регрессия изучает взаимосвязь между целевой переменной (например, ценой дома) и несколькими функциями (например, почтовым индексом, годом постройки, квадратными футами, расстоянием до центра города и т. д.). Математически вам нужно найти функцию, которая сопоставляет эти функции с целевой переменной. Входные характеристики (или независимые..