Вы помните, как в детстве родители руководили вами, когда вы учились определять собак и кошек? Если вы ошиблись или определили собаку как лошадь, они скажут вам, что вы ошибаетесь, и помогут вам лучше учиться. Они будут постоянно спрашивать и поправлять вас каждый раз, когда вы отвечаете неправильно, пока вы не получите правильный ответ! Обучение с учителем похоже на обучение ребенка. Вам нужно следить за тем, чему обучается машина, и помогать ей исправлять ошибки! Как упоминалось в..

В предыдущей статье вы разобрались с математикой и интуицией, лежащими в основе линейной регрессии , фундаментального алгоритма, используемого для бесконечного прогнозирования значений. Короче говоря, вы пытаетесь подогнать линию к заданному набору точек, минимизируя функцию стоимости. Теперь давайте попробуем понять интуицию, лежащую в основе другого фундаментального, но важного алгоритма под названием « Логистическая регрессия ». В этой статье мы подчеркнем сходство между линейной и..

Линейная регрессия - один из самых фундаментальных и наиболее простых алгоритмов машинного обучения . Если кто-то спросит вас: «Что вы знаете о ML?» и вы отвечаете, что знаете кое-что о линейной регрессии, они будут считать, что вы знакомы с настоящим машинным обучением, но не используйте этот жаргон, если вы ничего о нем не знаете! Линейная регрессия соответствует линии между заданными точками данных. Например, время, когда вы рисовали линию, проходящую через максимальные точки на..

Логистическая регрессия - это статистический метод, используемый для прогнозирования значения двоичной зависимой переменной, когда задан набор независимых значений. Это делается путем формулирования гипотезы с использованием ранее доступного набора независимых значений и соответствующего значения двоичной зависимой переменной. В этой статье мы рассмотрим подробный процесс создания гипотезы для данных. Какая конечная цель? Этот алгоритм намеревается подогнать границу, которая является..