Публикации по теме 'linear-regression'


Классификация: линейный подход (часть 1)
Классификация с помощью линейного подхода - что это вообще значит? Классификация - разделение входного пространства на набор помеченных областей с использованием границ принятия решения. Или, отбрасывая терминологию, акт распределения вещей по однотипным классам. Линейный подход - использование прямой линии для разделения набора данных. Интуитивно это проще всего как с точки зрения описания раздела («Если он попадает на одну сторону линии класса как A, если он падает на..
АЛГОРИТМЫ МАШИННОГО ОБУЧЕНИЯ №1
АЛГОРИТМЫ МАШИННОГО ОБУЧЕНИЯ №1 1. ПРОСТАЯ ЛИНЕЙНАЯ РЕГРЕССИЯ Что такое линейная регрессия? Линейный регрессионный анализ используется для прогнозирования значения переменной на основе значения другой переменной. Переменная, которую вы хотите предсказать, называется зависимой переменной. Переменная, которую вы используете для предсказания значения другой переменной, называется независимой переменной. Эта форма анализа оценивает коэффициенты линейного уравнения,..
Прогнозирование цен на жилье как профессионал: пошаговое руководство с использованием простой линейной регрессии в Python
В наших предыдущих статьях мы обсуждали три системы машинного обучения и говорили о линейной регрессии. В этой статье мы сосредоточимся на простой линейной регрессии. Мы дадим краткое объяснение этого, а затем продемонстрируем, как применить его к реальным данным. К концу этой статьи у вас будет четкое представление о простой линейной регрессии и о том, как ее можно использовать для прогнозирования наборов данных. Если вы не читали предыдущую статью, пришло время взглянуть на нее..
№ 4. Руководство для начинающих по градиентному спуску в машинном обучении
❗ Статья является частью Сборника машинного обучения для самообучения Откройте для себя: Что такое градиентный спуск? Процесс градиентного спуска Реализация градиентного спуска Типы градиентного спуска Важность скорости обучения в градиентном спуске 💡Я пишу о машинном обучении на Средних || Гитхаб || Каггл || Линкедин . 🔔 Следите за Нхи Йен , чтобы быть в курсе будущих обновлений! Градиентный спуск — это фундаментальный алгоритм, используемый в..
Как использовать регуляризацию лассо для ранжирования независимых переменных по важности
Как использовать регуляризацию лассо для определения наиболее важных независимых переменных Одна из основных проблем построения модели линейной регрессии - выбор независимых переменных. При работе с большими наборами данных может быть легко получить огромное количество независимых переменных после очистки данных и создания фиктивных переменных. Один из способов построения регрессионной модели - начать с простого - выбрать только несколько независимых переменных и выполнить итерацию,..
Машинное обучение — пример простой линейной регрессии
В этой статье я проиллюстрирую на примере использование алгоритма линейной регрессии в машинном обучении. При написании этой статьи я опирался на курс Initiez-vous au Machine Learning с сайта openclassroom.com . Прежде чем ты начнешь Для начала вам нужно знать хотя бы некоторые базовые понятия машинного обучения. Я кратко изложу их, предполагая, что вы их уже знаете. Как работает машинное обучение? Кратко, Подбираем подходящие данные Обучаем нашу модель на выбранных данных..
Изучение повышения градиента против линейной регрессии: выбор лучшего инструмента прогнозирования и разработка…
Привет! Я Ана, энтузиаст данных и ученик машинного обучения. Добро пожаловать в мой первый пост на Medium, где я поделюсь своим путешествием и своими мыслями в захватывающий мир анализа данных и прогнозного моделирования. В этой статье я хочу познакомить вас с двумя мощными инструментами прогнозирования: моделями повышения градиента и линейной регрессии. Мы углубимся в область предварительной обработки данных, выбора моделей и даже создадим практическое приложение Streamlit, чтобы..