Публикации по теме 'linear-regression'
Линейная регрессия, часть III: моделирование
Часть I: очистка данных | Часть II: EDA и разработка функций
В последних двух постах мы работали с набором данных о продажах домов в округе Кинг — очищали и визуализировали наши данные, а также разрабатывали функции. В этом посте мы продолжим с того места, на котором остановились, и построим модель линейной регрессии для прогнозирования цен на жилье.
Для начала давайте импортируем некоторые библиотеки sklearn , которые мы будем использовать:
Теперь нам нужно создать экземпляр..
Интуиция линейной регрессии менее чем за 5 минут
Предположим, вы хотите предсказать цены на дома в Бостоне, и для этого вы хотите использовать линейную регрессию с машинным обучением .
По сути, первая задача — найти переменную, которая напрямую связана с ценой. Назовем цену Y , а нашу коррелированную переменную — X .
После некоторой работы вы обнаружите корреляцию между размером в футах и ценой , молодец!
Теперь пришло время применить линейную регрессию .
Это классический пример простой линейной регрессии..
Шаги линейной регрессии
Шаги линейной регрессии
Линейная регрессия — это контролируемое машинное обучение, используемое для прогнозирования числовых данных.
Ниже приведены ключевые шаги в типичной задаче прогнозирования, основанной на регрессии.
Загрузить данные Понимание особенностей и цели, которые необходимо предсказать Очистка данных Убедитесь, что цель следует нормальному распределению Найдите корреляцию признаков с целью, которую нужно предсказать, построив двумерные диаграммы рассеяния. Самый..
Линейная регрессия в Python, C, C++
Давайте разберемся с линейной регрессией через кодирование.
Что такое линейная регрессия?
Линейная регрессия — это статистический метод, используемый для поиска взаимосвязи между зависимой переменной и одной или несколькими независимыми переменными. Это широко используемый метод анализа данных и машинного обучения для прогнозирования и понимания взаимосвязи между переменными.
В простой линейной регрессии связь между зависимой переменной и одной независимой переменной моделируется..
Встроенные модели машинного обучения Scikit-Learn для задачи регрессии
Знаете ли вы тот факт, что вы можете создать ИИ, используя менее 20 строк кода? Представьте, как это круто — создать ИИ менее чем за 5 минут. Если вам интересно, как вообще возможно построить сложный алгоритм машинного обучения, используя менее 20 строк кода, то на помощь приходит библиотека Scikit-Learn или sklearn. Sklearn предоставляет так много встроенных алгоритмов машинного обучения (с этого момента я буду кратко называть его моделью), которые мы можем использовать для нашей задачи...
Градиентный спуск, способ дротика
Этот пост является частью серии статей о машинном обучении в Dart:
Машинное обучение на языке программирования Dart Нежное введение в линейную регрессию Линейная регрессия: краткое описание метода наименьших квадратов Линейная регрессия: решение в закрытой форме, метод Dart
В моей последней статье мы познакомились с лаконичным и элегантным решением задачи обыкновенных наименьших квадратов — The Closed Form Solution.
В этой статье мы рассмотрим еще один..
Многомерная линейная регрессия с нуля
С кодом на Python
Введение
В этом новом выпуске серии Основы машинного обучения мы создадим модель для задачи многомерной линейной регрессии и проверим нашу модель, используя библиотеки Mathplotlib , Pandas и NumPy в Python. При создании нашей модели мы будем использовать набор данных Kaggle в качестве ресурса для обучения и проверки. Для этой цели мы будем использовать и объяснять основные части следующего блокнота Kaggle :
Многомерная..