Публикации по теме 'regression'


Набор данных о лесных пожарах в Алжире
У нас есть интересный набор данных о лесных пожарах в Алжире, где нам нужно предсказать, будет ли пожар или нет, на основе различных независимых признаков. Поскольку это проблема классификации, я подумал о преобразовании ее в задачу регрессии, в которой мы будем прогнозировать индекс пожарной погоды (FWI), который будет нашей зависимой функцией. Давайте углубимся в набор данных, который мы получили от Kaggle. Информация о наборе данных: Набор данных включает 244 экземпляра, которые..
Прогнозирование цен на недвижимость на Манхэттене с помощью деревьев регрессии и GridSearchCV
Деревья решений служат для прогнозирования двух типов данных: категориальных (деревья классификации) и числовых (деревья регрессии). Идея этого алгоритма контролируемого обучения состоит в том, чтобы задать несколько «вопросов», чтобы создать правила принятия решений, которые приводят к нахождению «ответа». Набор данных, используемый в этой статье, был создан на основе данных Департамента финансов Нью-Йорка . Простота — это то, что я бы назвал основной характеристикой деревьев..
Журнал - Практическое руководство по линейной и полиномиальной регрессии в R
Это практическое руководство по линейной и полиномиальной регрессии в R. Я попытался охватить основы теории и практической реализации тех, которые работают с набором данных округа Кинг. Я относительно новичок в своем путешествии в сфере науки о данных, и эта статья - своего рода заметка по теме, которую я делаю. Они могут быть полезны другим энтузиастам. Обратите внимание, что поскольку это мои заметки об исследовании, есть разделы, на которые есть ссылки из других источников. Я дал..
K-ближайшие соседи Простой, но мощный алгоритм машинного обучения
Смотрите видео пояснения к этой статье здесь . K-ближайшие соседи, также известные как KNN, — это очень мощный алгоритм машинного обучения. Он используется для решения как классификационных, так и регрессионных задач. Мы начнем с классификации, потому что она в основном используется для решения задач классификации. KNN для классификации: Проблема классификации может быть бинарной классификацией или многоклассовой классификацией. Здесь для простоты мы берем бинарную..
Как обучить модель регрессии с использованием случайного леса
Для сложных нелинейных данных Случайный лес — это тип контролируемого алгоритма машинного обучения, который можно использовать как для задач регрессии, так и для задач классификации. В качестве краткого обзора: регрессионная модель предсказывает выход с непрерывным значением (например, цена, рост, средний доход), а модель классификации предсказывает выход с дискретным значением (например, класс 0 или 1, тип цвета — красный, синий). , Зеленый). Случайный лес — это алгоритм на основе..
Погружение в оценку регрессионных моделей
Комплексный анализ пяти популярных показателей Введение В машинном обучении модели регрессии используются всякий раз, когда наша целевая переменная состоит из непрерывных значений . Определение производительности этих моделей требует систематического процесса оценки, и, имея в нашем распоряжении большое количество оценочных показателей, крайне важно понять их сильные и слабые стороны и информацию, которую они предоставляют. В этой статье мы рассмотрим пять популярных..
Прогнозирование сожженных калорий с использованием машинного обучения с проектами машинного обучения Python
· Отчет об анализе проекта · Отчет о проекте · О наборе данных · Модель · Код фляги · HTML-код Аналитический отчет Введение Цель этого проекта — предсказать количество калорий, сожженных человеком, на основе различных факторов, таких как возраст, пол, вес, рост и уровень активности. Этот прогноз может быть полезен для людей, которые пытаются похудеть или поддерживать свой текущий вес, контролируя потребление и расход калорий. Сбор данных Набор данных, используемый для..