Публикации по теме 'regression'


Подгонка кривой
Объяснение ключевых концепций машинного обучения Описание В этом посте представлена ​​простая проблема регрессии с помощью анализа подгонки полиномиальной кривой. Кроме того, будут объяснены некоторые ключевые концепции машинного обучения, такие как обобщение, переобучение и выбор модели. На этот пост меня вдохновила книга Кристофера М. Бишопа «Распознавание образов и машинное обучение». Генерация данных И обучающие, и проверочные наборы генерируются синтетически. Входная..
Основы машинного обучения, часть 5 - KNN (K ближайших соседей)
В этой статье мы поговорим об очень известном алгоритме машинного обучения, который используется как для классификации, так и для регрессии. "Рыбак рыбака слетается в стаю" Алгоритм KNN работает на предположении, что данные, имеющие аналогичные входные данные, будут иметь аналогичные выходные данные. Алгоритм KNN предполагает, что подобные вещи существуют в непосредственной близости. Другими словами, подобные вещи ближе друг к другу. Теперь вопрос в том, как измерить сходство..
Сегодня в этой статье мы собираемся подробно изучить проблему регрессии, чтобы узнать, насколько…
Сегодня в этой статье мы собираемся подробно изучить проблему регрессии, чтобы узнать, насколько точной может быть регрессионная модель на основе набора данных и насколько она может варьироваться в зависимости от нескольких параметров. Мы поговорим об ошибках и о том, как с ними бороться. От базовой линейной регрессии до случайного леса и хорошо известного метода наименьших квадратов, который является методом обыкновенных наименьших квадратов, будет рассмотрен шаг за шагом. Итак,..
Не переусердствуйте! Почему нам нужно выбирать факторы для науки о данных.
Не переусердствуйте! Почему нам нужно выбирать факторы для науки о данных. Ранее здесь мы прошли многомерную регрессию. При принятии решения о том, какие функции включить в регрессию (и для любой модели в науке о данных), безусловно, неправильно бросать все на самотек, включая все возможные функции. Добавление все большего количества факторов в вашу регрессию может привести к тому, что производительность модели будет казаться все лучше и лучше на данных, на которых она обучена...
Метрики оценки: точность и отзыв
Краткое понимание метрик оценки с «точным воспроизведением» основ. Для любого начинающего инженера по машинному обучению или специалиста по обработке данных такие термины, как точность, отзывчивость или оценка f-1, иногда поначалу трудно понять. Хотя это важные метрики для расчета для любой модели классификации / регрессии, тем не менее, следует знать, что эти метрики представляют и когда следует улучшить один или оба из них. Я встречал много недоработанных объяснений этих..
Найдите значения коэффициентов модели машинного обучения, используя сверхдетерминированную систему уравнений 😉
Предположим, уравнение модели машинного обучения: Где B0, B1 …… - параметры, а 1, x1, x2 …… - характеристики, а кривая имеет n измерений. Например, предположим, что следующая таблица представляет собой обучающие наборы данных модели машинного обучения, где x0, x1, x2, x3 - это функции, а y - результат. Теперь нам нужно найти отношения ч / б x0, x1, x2, x3 и y. Запишем это в матричной форме. Если эти уравнения линейно независимы, то No уравнений больше, чем No переменных...
Находятся ли общие линейные модели под эгидой обобщенной линейной модели (GLM)? Да… тогда как?
Привет, ребята, прошло много времени с тех пор, как я написал статью о среде. Но сейчас я постараюсь писать почаще. Я буду использовать GLM как сокращенное обозначение обобщенной линейной модели. Поэтому я хочу дать общее представление о том, почему обобщенные линейные модели (GLM) стали основным инструментом прикладных статистиков. Я уверен, что многие из нас слышали о линейной регрессии, множественной линейной регрессии, логистической регрессии, регрессии Пуассона, биномиальной..