Публикации по теме 'regression'
Алгоритм k-ближайших соседей (k-NN)
Вы представляете собой среднее из пяти человек, с которыми вы чаще всего общаетесь.
Скажем, вы учитель в очень известной школе, и в вашу школу подает заявление новый ученик. Поскольку вам нравится предсказывать вещи, вы хотите предсказать, будет выбран кандидат или нет. Перед процессом приема школа собирает набор атрибутов о абитуриенте на основе некоторых основных оценок, а также предыдущих академических и других сведений. Теперь, поскольку вы долгое время находились в приемной..
Оценка моделей регрессии в машинном обучении
Оценка модели очень важна, поскольку нам нужно понять, насколько хорошо работает наша модель. По сравнению с классификацией производительность регрессионной модели определить немного сложнее, потому что, в отличие от классификации, почти невозможно предсказать точное значение целевой переменной. Поэтому нам нужен способ вычислить, насколько близко наше прогнозируемое значение к реальному значению.
Существуют различные метрики оценки модели, которые широко используются для моделей..
Обычное руководство по контролируемому обучению с помощью scikit-learn — Orthogonal Matching Pursuit (OMP)…
Обычное руководство по контролируемому обучению с помощью scikit-learn — Orthogonal Matching Pursuit (OMP) — Generalized Linear Models (10)
Это десятая часть из серии из 92 частей традиционного руководства по обучению с учителем с помощью scikit-learn, написанного с целью овладеть навыками реализации алгоритмов для продуктивного использования и объяснить алгоритмическую логику, лежащую в их основе. Ссылки на все части смотрите в первой статье .
Ортогональное совпадающее..
Серия глубокого обучения: часть 3 — часто используемые функции потерь в регрессии и классификации
Функция потерь — это математическая функция, которая оценивает эффективность прогнозирования модели. Он говорит нам, «насколько хорошо или плохо» модель делает прогнозы с учетом набора величин, влияющих на выходные данные математического объекта, называемого параметрами . Функция потерь имеет свою кривую и производные. Наклон этой кривой говорит нам, как изменить параметры, чтобы улучшить производительность модели (или сделать предсказание модели более точным). Доступны различные..
Проект машинного обучения: прогнозирование рыночной стоимости футболиста
Если вы хотите что-то спрогнозировать, например, цену, продажи и т. Д., Регрессия может стать для вас хорошим решением. В этом посте я собираюсь применить один из алгоритмов машинного обучения, который предсказывает рыночную стоимость футболиста.
Определите проблему Веб-парсинг Очистка данных Исследовательский анализ данных Построение модели Оценка результата модели Заключение
Перед тем, как написать свой пост, я хотел бы поделиться своим репозиторием Github , если вам..
Лассо и регрессия хребта — Объяснение методов регуляризации для начинающих
Введение
Линейная регрессия — это широко используемый метод машинного обучения, который можно использовать для прогнозирования результатов на основе входных переменных. Однако в некоторых случаях обычной линейной регрессии может быть недостаточно. Например, наличие мультиколлинеарности между входными переменными и переобучение могут привести к высокой дисперсии и плохой работе модели. Именно здесь вступают в игру такие методы регуляризации, как регрессия Лассо и регрессия гребня. Путем..
Предположения линейной регрессии - что должны знать коллеги по анализу данных
"Машинное обучение"
Предположения линейной регрессии - что должны знать коллеги по анализу данных
Линейная регрессия - это линейный подход к моделированию взаимосвязи между целевой переменной и одной или несколькими независимыми переменными . Эта смоделированная взаимосвязь затем используется для прогнозной аналитики. Работа над алгоритмом линейной регрессии - это лишь половина дела. Другая половина заключается в понимании следующих предположений, от которых зависит этот..
