Публикации по теме 'regression'


Хорошо известная регрессия  — что это такое?
В этой статье объясняется, что такое регрессия с статистической точки зрения и концепции машинного обучения . Проблемы регрессии — это задачи обучения под наблюдением (задачи с метками, используемыми для обучения модели), характеризующиеся двумя типами переменных. Первые являются переменными-предикторами, отмеченными X , а вторые являются зависимыми переменными, отмеченными Y . Это простое уравнение иллюстрирует проблему регрессии: Левая часть уравнения представляет..
Прогноз цен на жилье в Калифорнии
Контекст Данные содержат информацию переписи населения Калифорнии 1990 года. Таким образом, хотя это может и не помочь вам в прогнозировании текущих цен на жилье, оно предоставляет доступный набор вводных данных для обучения людей основам машинного обучения. Постановка задачи Поскольку цены на жилье сильно различаются, определение подходящей цены дома очень важно для тех, кто хочет продать или купить дом. Одной из самых больших проблем для агентов/брокеров по недвижимости..
Важность машинного обучения в здравоохранении
Искусственный интеллект и машинное обучение — термины, которые вы наверняка слышали очень часто. Эти инструменты способны улучшить каждую сферу и сектор общества, и здравоохранение не является исключением. Чтобы понять, насколько полезным может быть машинное обучение в здравоохранении, мы должны сначала понять некоторые основы машинного обучения. Основная цель машинного обучения — что-то предсказать или спрогнозировать. Машинное обучение делится на две части, т.е. Контролируемое..
Алгоритм K-ближайших соседей
⛓ Алгоритм K-ближайших соседей ⛓ 🚀 В широкой области машинного обучения алгоритм K-ближайших соседей (KNN) является фундаментальным и интуитивно понятным методом классификации и регрессии. KNN имеет возможность делать прогнозы на основе характеристик соседних точек данных. 📚 Алгоритм k-ближайших соседей, также известный как KNN. Это тип контролируемого алгоритма ML. Его можно использовать как для задач регрессии, так и для задач классификации, обычно он используется в качестве алгоритма..
Математические основы линейной регрессии
Линейная регрессия — это самый простой, но самый интуитивно понятный алгоритм машинного обучения, поскольку он позволяет легко сопоставить значение «прогноза» с математической основой. Я написал эту статью после того, как много прочитал о математике, лежащей в основе работы различных алгоритмов машинного обучения. После прочтения нескольких статей и документов по теме я попытался написать эту статью, используя всю информацию и знания, которые я получил. Я попытался сжать математику и..
Развитие доверия к прогнозам моделей машинного обучения
Интерпретация и объяснение прогнозов, сделанных моделями машинного обучения с использованием LIME Что, если я скажу вам инвестировать 100 000 долларов США в определенную акцию сегодня, поскольку моя модель машинного обучения предсказывает высокую прибыль. Вопрос, который вы мне зададите, будет заключаться в том, чтобы объяснить основу моего прогноза, так как это важное решение для вас. Вы не хотите играть в азартные игры, но хотели бы принимать обоснованные решения на основе данных...
Зачем поддерживать векторную регрессию? Разница между SVR и простой регрессионной моделью?
Регрессия опорных векторов (SVR) — это тип регрессионного анализа, в котором используются машины опорных векторов (SVM) для подгонки модели к данным. Это модификация алгоритма машины опорных векторов (SVM), который представляет собой контролируемый алгоритм машинного обучения, который можно использовать для классификации или регрессии. В SVR цель состоит в том, чтобы найти гиперплоскость в многомерном пространстве признаков, которая максимально разделяет точки данных и находится как..