Публикации по теме 'linear-regression'


Выполните линейную регрессию с использованием Python, Spark и MLlib для работы с большими данными
Хотя в этой статье мы не будем использовать распределенные данные, мы будем строить модель линейной регрессии с использованием Python, Spark и MLlib, чтобы у нас была интуиция для машинного обучения, когда дело доходит до работы с большими данными. Начнем с создания сеанса Spark, from pyspark.sql import SparkSession spark = SparkSession.builder.appName('lrex').getOrCreate() Теперь из pyspark импортируем функцию регрессии лайнера точно так же, как мы это делали бы с библиотекой..
Как улучшить свои линейные модели?
Часть — 1: Выбор подмножества Регрессионные модели предполагают линейную связь между предикторами и переменными отклика. Они пытаются оценить коэффициенты следующего выражения. А подгонка модели обычно выполняется с использованием метода наименьших квадратов. Однако метод наименьших квадратов не всегда дает удовлетворительные результаты. На самом деле есть две основные причины, по которым нам следует рассмотреть возможность использования других процедур подгонки по методу..
Линейная регрессия в 3 шага
Представляем градиентный спуск Мотивация Мы продемонстрировали, как мы создаем нейронную сеть с использованием Python NumPy в 9 шагах в части 1 этой серии, но это может быть слишком трудно понять новичкам. В этом случае мы будем использовать библиотеку NumPy для реализации линейной регрессии , одной из простейших моделей машинного обучения. Базовое понимание исчисления и синтаксиса Python является предпочтительным (но не обязательно, поскольку вы можете изучить его на..
Линейная регрессия в Python: прогнозирование дохода от электронной коммерции
В этом посте цель состоит в том, чтобы построить модель прогнозирования с использованием простой линейной регрессии и случайного леса в Python. Набор данных доступен на Kaggle, а мои коды - в моей учетной записи Github. Давайте приступим к пониманию набора данных. Обнаружение и визуализация данных В этом наборе данных есть 3 категориальных функции: Электронная почта, Адрес и Аватар; 5 числовых функций Сред. Продолжительность сеанса, время в приложении, время на веб-сайте,..
РЕГРЕССИЯ ПО НАБОРУ ДАННЫХ CSV.
РЕГРЕССИЯ ПО НАБОРУ ДАННЫХ CSV. В этом блоге мы изучим некоторые основные методы выполнения регрессии в наборе данных CSV. ИСПОЛЬЗУЕМЫЕ ТЕХНИКИ: - Линейные, полиномиальные, деревья решений, случайные леса и нейронные сети. О наборе данных: - Реклама продаж. Набор данных загружен с Kaggle. Ссылка:- https://www.kaggle.com/hellbuoy/sales-advertismen t Набор данных рекламируется в различных режимах, а именно на радио, телевидении и в газетах, и как они влияют на общие..
Градиентный спуск простым способом
Когда мы говорим о машинном обучении, мы всегда слышим слово «градиентный спуск», которое может показаться вам не очень захватывающим само по себе, но, поверьте мне, оно позволит нам делать довольно захватывающие вещи. Так что это? Часто, занимаясь наукой о данных, мы пытаемся найти лучшую модель для определенной ситуации. И обычно «лучший» будет означать что-то вроде «минимизирует ошибку модели». Другими словами, это будет решение какой-то проблемы оптимизации. И, в частности, нам..
Прогнозирование цен на жилье в Бостоне с помощью линейной регрессии
Линейная, многомерная регрессия и регуляризация (LASSO, регрессия Риджа) Прогнозирование цен на жилье в Бостоне с помощью линейной регрессии Линейная регрессия: теория и применение Введение Что такое линейная регрессия? Это метод прогнозного моделирования, который находит взаимосвязь между независимой (ыми) переменной (ами) и зависимой (ыми) переменной (ами) (которая является непрерывной переменной). независимая переменная ( iv) может быть категориальной (например, США,..