Публикации по теме 'regression'
Понимание контролируемого обучения: подробное руководство по моделям классификации и регрессии
Машинное обучение и контролируемое обучение
Машинное обучение (МО) — это область искусственного интеллекта (ИИ), которая включает использование статистических и вычислительных методов, позволяющих компьютерам учиться на данных и делать прогнозы или решения без явного программирования.
Обучение с учителем — это один из основных типов машинного обучения, при котором алгоритм учится сопоставлять входные переменные (также называемые признаками или предикторами) с целевой переменной..
Линейные деревья в LightGBM
Для этого необходимо использовать базовый API LightGBM вместо API scikit-learn. По-видимому, это было недоступно в более старых версиях — быстрая онлайн-проверка предполагает , что это было доступно для версий выше 3.2.0. Согласно документации , использование линейных деревьев значительно увеличивает использование памяти LightGBM.
Выполнение
import lightgbm as lgb
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from sklearn.model_selection import..
Отток клиентов: анализ выживания с применением R
Анализ выживания — это статистический метод, который состоит в анализе продолжительности жизни людей с момента их включения в исследование до момента, когда происходит интересующее событие, событие, которое определяется в самом начале (обычно определяется как неудача), которым может быть смерть. или рецидив заболевания (для лекарства).
Их основное применение в медицине с цензурированными данными. Однако аналогичные ситуации возникают там, где целесообразно применение этих методик,..
Полное руководство по деревьям решений
Понимание, реализация и оценка для классификации и регрессии
Введение
Деревья решений — это мощный и универсальный алгоритм машинного обучения, который можно использовать как для задач классификации, так и для задач регрессии. Их легко понять, интерпретировать и визуализировать, что делает их популярным выбором для специалистов по данным и бизнес-аналитиков. В этой статье мы обсудим основы деревьев решений, в том числе то, как они работают, как реализовать их в Python, а также их плюсы..
Полиномиальная регрессия с использованием PyTorch (с нуля)
ML с нуля - полиномиальная регрессия с использованием PyTorch
Полное руководство по кодированию модели полиномиальной регрессии и математике, стоящей за ней
Когда дело доходит до прогнозного анализа, регрессионные модели оказываются одним из самых экономичных методов. Хотя модель линейной регрессии может обеспечить некоторые хорошие прогнозы, в некоторых случаях модели полиномиальной регрессии могут значительно превосходить простые линейные модели. В следующем проекте мы рассмотрим,..
Помимо точности: понимание показателей производительности регрессионных моделей
Введение
Регрессионные модели играют решающую роль в анализе и прогнозировании числовых результатов в различных областях, от финансов до здравоохранения и маркетинга.
Хотя точность дает моментальный снимок правильных прогнозов (лучше всего для моделей классификации), она не может уловить нюансы , которые могут создать или разрушить регрессионную модель. Например, точная модель может демонстрировать смещенную тенденцию , что приводит к проблематичным прогнозам для определенных..
Регрессионный анализ в статистике и машинном обучении
День 5 "#15daysofStats"
Сегодня давайте раскроем ключевые моменты регрессионного анализа — основного метода, который помогает нам понять взаимосвязь между переменными и делать прогнозы. 🌐
🎯 Цель: Регрессионный анализ направлен на моделирование связи между зависимой переменной (результатом) и независимыми переменными (предикторами). Это помогает нам ответить на такие вопросы, как «Как расходы на рекламу влияют на продажи?» или «Какие факторы влияют на цены на жилье?»
🔢 Типы..