Публикации по теме 'regression'


Обычное руководство по обучению с учителем с помощью scikit-learn — Обобщенные линейные модели Lasso (4)
Обычное руководство по контролируемому обучению с помощью scikit-learn — Обобщенные линейные модели Лассо (4) Это четвертая 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 . Лассо-регрессия Это продолжение обсуждения регрессии хребта..
Прогнозирование рыночной стоимости футболистов FIFA с регрессией
Пример использования Linear, LASSO, Ridge, Elastic Net и Polynomial Regression. Прошло три недели с момента начала учебного курса Metis Data Science Bootcamp, и это путешествие было не чем иным, как интенсивным, но захватывающим. В этой статье я подробно описываю проект, который я построил, используя навыки и знания в области парсинга веб-страниц и регрессии, которые я тщательно изучил за последние 2 недели. Пройдя по множеству веб-сайтов, я наконец остановился на интересной теме -..
Моделирование неопределенности в регрессионных моделях
TLDR: мы показываем, как модели регрессии среднеквадратичной ошибки могут быть обобщены таким образом, чтобы модель выдавала нормальное распределение вместо одного прогноза. Проверьте этот блокнот для кода. Допустим, мы строим регрессионную модель для предсказания завтрашней температуры. Модель предсказывает 21,3 градуса по Цельсию. Но что это значит? Можем ли мы быть уверены, что температура не будет ниже 20 градусов? Обучение регрессионных моделей выходным вероятностным..
Оценка спроса с использованием случайных лесов
Случайный лес - это совокупность деревьев решений, обучающихся методом упаковки или вставки. Набор деревьев решений строится с использованием подмножеств набора данных, а усреднение используется для повышения общей производительности. Загрузите набор данных Мы используем набор данных UCI данных о велосипеде, содержащий 16 столбцов. Набор данных доступен здесь: https://archive.ics.uci.edu/ml/datasets/Bike+Sharing+Dataset Давайте посмотрим, как мы анализируем данные в Python..
Линии корреляции и регрессии с нуля
В этом посте мы попытаемся глубже понять вычисление корреляции между двумя переменными, а также то, как построить линию регрессии из первых принципов. Чтобы понять эти концепции, давайте воспользуемся приведенным ниже набором данных auto-mpg. Для доступа к полному коду Чтобы определить, существует ли связь между количеством миль на галлон и весом автомобиля, первое, что нам нужно сделать, это построить диаграмму рассеяния. Для вычисления корреляции нам необходимо определить..
Упрощенная регрессия: подробное пошаговое руководство
Ниже представлено введение в регрессию. Это может быть полезно, если вы совсем новичок в этой теме. [Примечание. Предположим, что «x» в f(x) — это вектор входных данных, если речь не идет об одном входе.] Регрессия включает в себя прогнозирование реальных результатов на основе заданных входных данных или функций. Это делается путем подгонки модели к заданным обучающим данным — это данные, для которых у нас есть входные значения, а также связанные выходные значения. Наша..
Дерево решений для регрессии - рецепт
Регрессия относится к выявлению лежащих в основе отношений между зависимыми и независимыми переменными, когда зависимая переменная является непрерывной. Прогнозировать непрерывную переменную можно с помощью многих моделей. Некоторые из используемых моделей: линейная регрессия, дерево решений, k-ближайшие соседи и т. Д. Модель дерева решений непараметрическая по своей природе, т. Е. Использует бесконечное количество параметров для изучения данных. Имеет структуру дерева. Алгоритм..