Публикации по теме 'regression'
Регрессионные модели на конкурсе цен на жилье Kaggle
Прогнозирование цены дома с учетом различных метаданных о недвижимости существует с самого начала машинного обучения. В этой статье я расскажу о своем решении и, что более важно, обсужу свои результаты, оценив созданные модели. К концу нашего короткого, но насыщенного путешествия по науке о данных вы познакомитесь с различными алгоритмами регрессионного машинного обучения, основанными на деревьях решений. Во-вторых, вы узнаете, что такое настройка гиперпараметров, и получите некоторое..
Кубические сплайны: идеальная модель регрессии
Почему кубические сплайны — лучшая модель регрессии.
Введение
В этой статье я рассмотрю кубические сплайны и покажу, насколько они более надежны, чем модели линейной регрессии высокой степени. Сначала я расскажу о математике кубических сплайнов, затем покажу модель на Python и, наконец, объясню феномен Рунге.
Библиотека Python, используемая в этой статье, называется Regressio . Это библиотека Python с открытым исходным кодом, созданная автором для одномерной регрессии,..
Многомерная регрессия — машинное обучение
#Чтобы четко понять следующую математику, code. пожалуйста, посетите предыдущий учебник здесь , посвященный линейной регрессии с одной переменной.
Чтобы быть простым, что такое многомерность, «когда результат зависит от более чем одного параметра», например. Цены на жилье зависят от возраста здания, местоположения, количества спален и других параметров.
поэтому уравнение (y=mx+b) теперь будет выглядеть так:
где m1,m2,m3 - коэффициенты, а x1,x2,x3 - независимые переменные с..
Важные концепции регрессионного анализа
Первым алгоритмом при изучении машинного обучения является регрессия, а точнее линейная и логистическая регрессия. Ниже приведены ответы на несколько вопросов, которые я считаю концептуально важными.
Каковы предположения для данных, которые следует учитывать при линейной регрессии?
Остаточные данные распределены нормально.
Между остаточным членом не должно быть корреляции, то есть автокоррелированных данных.
Независимые переменные не должны коррелироваться, т.е. данные должны..
Прогнозирование цен на жилье с помощью регрессора случайного леса
Целью данного исследования является создание модели машинного обучения, которая прогнозирует цену домов с использованием регрессора случайного леса. Набор данных, используемый для этого исследования, представляет собой набор данных Melbourne Housing от Kaggle. Эта статья является продолжением предыдущего исследования, посвященного использованию Python в исследовательском анализе данных (EDA). Статью EDA можно найти по этой ссылке Исследовательский анализ цен на жилье в Мельбурне .
Шаг..
Решение проблем регрессии с машинным обучением на javascript с помощью savage.io
Привет, ребята, добро пожаловать во вторую часть моего машинного обучения с помощью javascript, поэтому сегодня мы продолжаем наш учебник по машинному обучению javascript, если вы пропустили наш последний пост, пожалуйста, ознакомьтесь с этим постом .
Итак, сегодня мы решаем проблему регрессии, в отличие от классификации, которая классифицирует входные данные, мы будем генерировать выходные данные на основе количества.
Нашим набором данных будут финансовые данные, и мы хотели бы..
Демистификация искусственного интеллекта
Каждый, у кого есть доступ к новостям, слышал термин AI раньше. Либо в виде того, как он помогает ученым лучше управлять и анализировать свои данные, либо как он якобы захватит мир и поработит все человечество. В наш век технологий информация распространяется очень быстро, особенно негативная. Так идея мощной технологии, которая потенциально могла бы стереть человечество с лица земли, распространилась со скоростью лесного пожара. Однако следует знать, что не вся эта информация..
Новые материалы
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..