Публикации по теме 'regression'


Как убедиться, что ваша аренда Airbnb будет сдана в аренду?
Этот пост пытается предсказать успешные списки Airbnb. Индустрия аренды жилья для отдыха имеет жесткую конкуренцию. В этом посте будет использоваться набор данных из почти 4000 объявлений в районе Сиэтла, чтобы предсказать успешные объявления. Интересуют следующие вопросы. Оставляют ли арендаторы Airbnb плохие отзывы о объявлениях, требующих высоких комиссий? Арендуют ли арендаторы Airbnb более дешевые квартиры больше, чем дорогие? И, наконец, как владельцы Airbnb могут сохранить..
10 предположений о линейной регрессии
10 предположений о линейной регрессии 1. Модель регрессии линейна по параметрам 2. Среднее значение остатков равно нулю 3. Гомоскедастичность остатков или равная дисперсия 4. Отсутствие автокорреляции остатков 5. Переменные X и остатки не коррелированы. 6. Количество наблюдений должно быть больше, чем количество X 7. Изменчивость значений X положительная. 8. Правильно указана регрессионная модель 9. Нет идеальной мультиколлинеарности 10. Нормальность остатков 1. Модель..
Как я предсказал Indian Houserents с точностью 81%!
Люди, живущие в настоящее время в Индии, действительно сталкиваются с проблемой определения правильной арендной платы за дом в определенном месте города, и это проблема большого слона в комнате, которую большинство из нас склонны игнорировать. Чтобы пролить свет, а также дать представление о текущей ситуации на рынке недвижимости, я изо всех сил старался дать вам и всем другим читателям тенденцию или способы наблюдения за закономерностями в отношении арендной платы за дом! Прежде чем мы..
Ридж-лассо и регрессия:
Машинное обучение, наука о данных, регрессия Ридж и регрессия Лассо: Импровизированная линейная регрессия Введение В некоторых задачах машинного обучения мы часто сталкиваемся с термином Линейная регрессия . Это очень полезный инструмент для предиктивного анализа. Здесь мы обсудим некоторые сбои в работе этой линейной регрессии при определенных условиях и пути решения этой проблемы. Проблемы линейной регрессии Основная проблема в сегодняшнем обсуждении возникает, когда у..
Градиентный спуск и регрессия
Наиболее часто задаваемый вопрос в интервью по науке о данных касается градиентного спуска. Нахождение градиента функции — возможно, самая важная идея во всем машинном обучении. Поскольку градиентный спуск имеет решающее значение, в этой статье мы постараемся подробно изучить его математически. Поскольку в Интернете доступно множество ресурсов по синтаксису кодирования, я не буду приводить коды в этой статье, вместо этого мы сосредоточимся только на математике. Предупреждение: эта статья..
Ридж, лассо и регрессия эластичной сети
В этой статье мы откажемся от часто используемого алгоритма линейной регрессии и попытаемся изучить некоторые другие альтернативы регрессии, а именно лассо, гребень и эластичные сети . К концу статьи у вас будет хорошее представление о различиях и работе трех вышеупомянутых алгоритмов, их приложениях в задачах машинного обучения и о том, когда что использовать. Компромисс между смещением и дисперсией: При обучении и тестировании наших моделей машинного обучения мы часто сталкиваемся..
Линейная регрессия, логистическая регрессия и K-ближайшие соседи (KNN)
Введение Машинное обучение — это часть искусственного интеллекта, которая занимается разработкой алгоритмов и моделей, которые позволяют компьютерам учиться на данных. Модели машинного обучения используются для прогнозирования, классификации данных и выявления закономерностей в данных. Линейная регрессия, логистическая регрессия и K-ближайшие соседи (KNN) — это три распространенных алгоритма машинного обучения, которые используются в различных областях. В этой статье мы подробно обсудим..