Публикации по теме 'regression'
Машинное обучение — Ключевая терминология
Ниже приведены ключевые термины машинного обучения, которые я решил перечислить, поскольку я считаю, что их необходимо знать и уметь различать друг друга, чтобы лучше изучать машинное обучение.
Я понимаю, что это не весь список терминов, но я буду обновлять эту статью по мере того, как буду сталкиваться с новой терминологией.
Гипотеза . Гипотеза – это определенная функция, которая, как мы полагаем (или надеемся), похожа на истинную функцию, целевую функцию , которую мы хотим..
Прогнозирование листинговых цен Airbnb в Нью-Йорке
В этом посте я собираюсь изучить открытые данные Airbnb по Нью-Йорку за 2019 год и попытаться разработать точную модель глубокого обучения, которая может успешно предоставлять хозяевам рекомендации по ценам для выхода на рынок. Для этого я создам и буду использовать три алгоритма обучения с учителем. В качестве базового уровня производительности я разработаю модель линейной регрессии, используя sci-kitlearn, библиотеку машинного обучения, которая содержит множество алгоритмов регрессии,..
Машинное обучение - регресс
Регрессия - важный подход к моделированию и анализу данных. Это форма метода прогнозного моделирования, изучающего отношения между зависимыми (целевыми) и независимыми (характеристиками) переменными. Линия точек данных подбирается таким образом, чтобы минимизировать различия между расстояниями точек данных от кривой или линии. Этот метод рассматривается как алгоритм машинного обучения, основанный на обучении с учителем. Он используется для прогнозирования временных рядов и нахождения..
Шаблон проекта сквозного машинного обучения - Регрессия - Часть 2
Часть 1 - сформулируйте проблему, показатели эффективности, получение данных, быструю проверку, создание набора тестов и визуальное представление;
Часть 2 - конвейер предварительной обработки, моделирование, оценка;
Оригинальное репозиторий github находится здесь .
8. Предварительная обработка (подготовить данные для моделирования)
Шаги должны охватывать:
разделить объекты, метки из набора обучающих данных; очистка данных (нет данных)
housing =..
Путешествие к линейной регрессии
Машинное обучение можно резюмировать как обучение функции (f), которая сопоставляет входные переменные (X) с выходными переменными (Y).
Y = f (x) Алгоритм изучает эту функцию отображения цели из обучающих данных.
Форма функции неизвестна, поэтому наша задача как практиков машинного обучения - оценивать различные алгоритмы машинного обучения и определять, какой из них лучше аппроксимирует основную функцию. Различные алгоритмы делают разные предположения или предубеждения относительно..
Регуляризация с помощью Ridge, Lasso и Elastic Net Regressions
Обзор различий в трех распространенных методах регуляризации - Ridge, Lasso и Elastic Net.
Вы обучили регрессионную модель, и ваш R² возвращается, и он выглядит хорошо - почти так, как будто он слишком хорош. Конечно, следующий логический шаг - посмотреть, как работает набор тестовых данных. Предупреждение о спойлере: его не будет и рядом с успехом обучающего набора.
Это довольно распространенное явление, называемое переобучением . У переобучения есть полярная противоположность,..
ЛИНЕЙНАЯ РЕГРЕССИЯ
Мы пытаемся найти наиболее подходящую линию/плоскость, которая представляет отношения между i/p и o/p. Эта лучшая плоскость строится путем изучения параметров функции, которая отображает i/p в o/p.
E(y)= B0 + B1*X
Следовательно, если мы найдем параметры B0 и B1, мы можем предсказать наш результат. Таким образом, машинное обучение в основном пытается угадать эти параметры, которые минимизируют функцию стоимости.
функция стоимости: среднеквадратическая ошибка
Почему мы их..
