Публикации по теме 'linear-regression'


Могут ли машины предсказывать и предотвращать преступления?
Возможно, лучше, чем люди! Вопреки популярным голливудским представлениям, машины еще не превратились в сверхлюдей, способных перехитрить или даже сравниться с человеческим интеллектом. Но есть области, в которых машинный интеллект может поддерживать, а иногда и перехитрить ограниченные неврологические возможности человеческого мозга. Предиктивная полицейская деятельность - это одна из областей, в которой "машинное обучение" может помочь людям и оказать положительное социологическое..
Вселенная машинного обучения - первый герой: линейная регрессия
Это первая статья, которую я начну с того, что такое машинное обучение и почему оно станет следующим большим достижением в области технологий, за которым следуют простые алгоритмы, которые широко используются в машинном обучении в следующих статьях серии ML Universe (Я большой поклонник Marvel 😜). Что такое машинное обучение? С точки зрения непрофессионала, машинное обучение - это наука, в которой машина учится сама по себе. Учитывая набор данных, работа машины состоит в том,..
Линейная регрессия
Что такое линейная регрессия? Линейная регрессия — это алгоритм машинного обучения, который находит взаимосвязь между независимой переменной и зависимой переменной в виде «линии наилучшего соответствия». Глубокая интуиция Мы знаем, что уравнение прямой задается формулой: y = mx + c, где m=наклон линии, c=y-пересечение линии. Но если мы рассмотрим тот же сценарий в случае использования ML, тогда «m» и «c» останутся прежними, но y = зависимая переменная, а x = независимая..
В чем разница между линейной регрессией, лассо, гребнем и ElasticNet?
В чем разница между ними? Lasso, Ridge и ElasticNet являются частью семейства линейной регрессии, где предполагается, что x (вход) и y (выход) имеют линейную зависимость. В sklearn LinearRegression относится к самому обычному методу линейной регрессии по методу наименьших квадратов без регуляризации (штраф за веса). Основное различие между ними заключается в том, штрафуется ли модель за ее вес. В оставшейся части поста я расскажу о них в контексте библиотеки scikit-learn...
Линейная регрессия (машинное обучение).
«Краткое введение в линейную регрессию». "Линейная регрессия — это тип алгоритма контролируемого машинного обучения". Он используется для оценки реальных значений, таких как (стоимость продуктов, общий объем продаж и т. д.) на основе непрерывной переменной . В линейной регрессии мы устанавливаем связь между независимыми и зависимыми переменными, подбирая наилучшую линию. Эта линия наилучшего соответствия известна как линия регрессии и представлена ​​линейным уравнением. ...
Запуск контролируемого обучения линейного алгоритма, случайного леса и алгоритмов Boost с использованием Python, scikit-learn…
Мы будем изучать данные об эффективности автомобилей по экономии топлива и различные параметры, которые есть для данных. В этом отношении сначала мы загрузим все библиотеки и прочитаем данные. Наша зависимая переменная будет «MPG», а остальные все переменные будут независимыми переменными. Как мы видим, некоторые данные носят числовой характер, а некоторые носят категориальный характер, что означает «объект» рядом с именами переменных, такими как «Модель», «Передача» и т. д...
АНАЛИЗ ЛИНЕЙНОЙ РЕГРЕССИИ
ЧТО ТАКОЕ ЛИНЕЙНАЯ РЕГРЕССИЯ? Линейная регрессия — это метод определения статистической взаимосвязи между зависимой и одной или несколькими независимыми переменными. Линейная регрессия — один из наиболее часто используемых типов прогнозного анализа. Мы часто используем регрессию в нашей повседневной жизни. Считается, что прилежный ребенок, который учится часами, хорошо сдает экзамены. Игрок с битой в отличной форме считается хорошим игроком в предстоящих матчах. Наконец, количество осадков..