Публикации по теме 'regression'
Регресс
Регрессия - это метод, используемый для моделирования и анализа взаимосвязей между переменными, а зачастую и того, как они вносят свой вклад и связаны с получением определенного результата вместе. Здесь мы обсудим два типа регрессии.
1. Линейная регрессия: -
Линейная регрессия относится к регрессионной модели, полностью состоящей из линейных переменных. Начиная с простого случая, линейная регрессия с одной переменной - это метод, используемый для моделирования взаимосвязи между..
Непараметрическая регрессия против параметрической регрессии
Введение
В любых статистических наблюдениях набор измеряемых переменных может быть входными данными. Эти входы имеют некоторое влияние на одну или несколько других переменных, называемых выходами. Цель обучения с учителем - использовать входные данные для прогнозирования значений выходных данных. В статистической литературе по машинному обучению мы имеем
Входные данные часто называют предикторами, также известными как независимые переменные. Выходы называются откликами, или..
Регрессия
Регрессия , как мы видели в предыдущих сообщениях, является типом техники обучения с учителем . Регрессия - это процесс оценки отношения между входными (независимыми переменными) и выходными переменными (зависимыми переменными), где выходные переменные представлены в формате действительных чисел с непрерывным значением. Из приведенного выше утверждения видно, что выходные переменные зависят от независимых входных переменных. Разница между классификацией и регрессией заключается в том,..
Применение методов выбора признаков в задаче регрессии
Примеры выбора функций и оптимизации в Python
После множества звонков администраторам данных для получения наиболее полезных данных по различным каналам и платформам обогащения данных вы, как специалист по данным, завершили сбор данных. Теперь у вас есть обширный набор данных для навигации. Чтобы оптимизировать компромисс между временем вычислений, производительностью и интерпретируемостью, вам нужно только включить наиболее релевантные столбцы в вашу модель машинного обучения. На этом..
Что такое оценочные метрики и когда какие метрики использовать?
Метрики оценки используются для оценки моделей машинного обучения. Мы должны знать, когда использовать какие метрики, и это в основном зависит от того, какие цели (метки) у нас есть.
Проблема классификации :
Точность Точность Отзывать Оценка F1 Площадь под кривой ROC или AUC Потеря журнала Точность при k Средняя точность при k Средняя средняя точность при k Коэффициент Джини
Проблема регрессии :
Среднеквадратичная ошибка (MSE) Средняя абсолютная ошибка (MAE)..
Истинная причина, по которой нам нужна регуляризация
Сделайте свой путь к лучшему завтра
Математика: хорошо поставленные задачи
Наука о данных зависит от математики, а математика обычно ориентирована на ситуации, когда:
Решение существует Решение уникальное Поведение решения постоянно меняется в зависимости от начальных условий.
Они известны как хорошо поставленные задачи , и представляют собой разновидности допущений, которые настолько важны в традиционных методах, что о них легко забыть.
Но они имеют значение, так..
Оценка производительности модели
Перед тем, как начать, ссылка гласила: Оценка алгоритмов обучения .
Вам нужно знать, насколько хорошо ваши алгоритмы работают с невидимыми данными. Лучший способ оценить производительность алгоритма — сделать прогнозы для новых данных, ответы на которые вы уже знаете. Второй лучший способ — использовать хитрые методы статистики, называемые методами повторной выборки, которые позволяют вам делать точные оценки того, насколько хорошо ваш алгоритм будет работать с новыми данными.
В..