Публикации по теме 'linear-regression'
Линейная регрессия в Python БЕЗ Scikit-Learn
После долгих размышлений о том, как представить эту статью другим начинающим специалистам по машинному обучению, я пришел к выводу, что я не могу лучше объяснить основные концепции, чем нынешние мастера. Я даже не буду пытаться.
Я просто скажу вам следующее: прежде чем мы начнем реализовывать линейную регрессию в python убедитесь, что вы просмотрели первые две недели курса Эндрю Нг по машинному обучению .
После того, как вы посмотрели лекции и ознакомились с концепциями, вы должны..
Проверка ваших предположений о линейной регрессии и способы их проверки
Для многих новых и начинающих специалистов по данным линейная регрессия, скорее всего, является первой моделью машинного обучения, которую все изучают. Это довольно интуитивно понятно и просто для понимания. Ведь все начинается со знакомой формулы, где y = mx + b; скорее всего, большинство людей видели его в старшей школе или университете.
Несмотря на то, что это популярная модель, начинающие специалисты по данным часто используют ее неправильно, потому что они не проверяют, верны ли..
Линейная регрессия с TensorFlow
TensorFlow - отличный инструмент для эффективного обучения алгоритмов машинного обучения. Он оптимизирован для работы на различных типах оборудования и максимально использует вашу память, центральные и графические процессоры, если они доступны. Изначально TensorFlow был создан для запуска алгоритмов глубокого обучения на специальном оборудовании, чтобы обучение могло происходить быстро. После того, как Google открыл TensorFlow с исходным кодом, он стал популярным среди сообщества,..
Линейная регрессия: подход максимального правдоподобия
Линейная регрессия: подход максимального правдоподобия
Линейная регрессия - один из самых основных алгоритмов машинного обучения, и просто он пытается уместить наши данные на линии (y = mx + b). В этой статье мы увидим линейную регрессию с совершенно другой точки зрения.
Давайте попробуем увидеть линейную регрессию с точки зрения вероятности, в частности, используя подход MLE: Maximum Likelihood Estimate.
В линейной регрессии у нас есть следующее уравнение:
y^n = mx_n+b
Мы..
Использование машинного обучения для прогнозирования цен на жилье
С помощью алгоритмов машинного обучения LassoCV, RidgeCV и линейной регрессии.
В этом посте я расскажу вам о моем процессе анализа данных для использования машинного обучения для прогнозирования цен на жилье. Прежде чем я начну, я хотел бы обрисовать процесс анализа данных:
Определите проблему Соберите данные Очистите и исследуйте данные Смоделируйте данные Оцените модель Ответьте на проблему
Определите проблему
Мне было поручено создать модель машинного обучения для..
Почему линейная регрессия не работает для классификации — часть II?
Полный анализ.
Я предлагаю вам ознакомиться с Часть I , прежде чем продолжить.
В первой части мы проверили, работает ли линейная регрессия для переменной качественного ответа с более чем двумя классами. Здесь мы проверим, работает ли это для двоичной классификации?
На этот раз мы будем работать с Набором данных для прогнозирования рака молочной железы . Для простоты я рассматривал только средний периметр опухоли как единственную характеристику в данных.
Основываясь на..
Наука о данных - руководство по простой линейной регрессии
В этом посте давайте разберемся, что такое регрессионный анализ, и погрузимся в простую линейную регрессию.
Разделы этого поста будут следующими:
· Что такое регрессионный анализ?
· Что такое линейная регрессия?
· Простая линейная регрессия
· R-квадрат
· Среднеквадратичная ошибка
· Общая сумма квадратов
· Сумма квадратов регрессии
Если вы готовы, приступим
1. Что такое регрессионный анализ?
Это форма метода прогнозного моделирования, который исследует взаимосвязь..