Публикации по теме 'regression'
Параметрическая и непараметрическая выбор модели для регрессии и классификации на основе статистических…
ПАРАМЕТРИЧЕСКАЯ МОДЕЛЬ
В параметрической модели количество параметров фиксировано по отношению к размеру выборки. Он должен удовлетворять всем предположениям.
Модель обучения, которая запоминает данные с помощью заданных параметров (то есть независимых функций), называется линейной / параметрической моделью.
Преимущества параметрических алгоритмов машинного обучения:
Разъяснимость хорошая (легко интерпретируется клиентом или заинтересованными сторонами). Подходит для..
Введение в случайные леса
Древовидные методы - один из самых известных алгоритмов контролируемого обучения в машинном обучении как для регрессионных, так и для классификационных задач. Они с большим успехом использовались во многих соревнованиях по науке о данных, и из-за их простоты и интерпретируемости стоит взглянуть на них.
Набор данных
Мы будем использовать набор данных Bike sharing из репозитория машинного обучения UCI. Он содержит почасовой и ежедневный счет проката велосипедов в период с 2011 по..
Стратифицированная модель пропорциональной регрессии рисков Кокса
Стратифицированная модель пропорциональной регрессии рисков Кокса
Учебное пособие по созданию стратифицированной модели Кокса с использованием Python и Lifelines.
Модель пропорциональных рисков Кокса используется для изучения влияния различных параметров на мгновенную опасность, с которой сталкиваются люди или «вещи».
Модель Кокса делает следующие предположения о вашем наборе данных:
Все люди или объекты в наборе данных подвержены одинаковому базовому уровню опасности...
Понимание обобщенных линейных моделей и их взаимосвязи с линейной, логистической и пуассоновской регрессией
ОБРАЗОВАНИЕ
Понимание обобщенных линейных моделей и их взаимосвязи с линейной, логистической и пуассоновской регрессией
Никогда больше не путайте линейную регрессию с обобщенной линейной регрессией и не откажитесь от кристальной ясности.
Опрос 2021 Kaggle только что показал, что, как и в предыдущем году, наиболее часто используемыми алгоритмами в сообществе специалистов по науке о данных были линейная или логистическая регрессия. Я совсем не удивлен. В конце концов, взвешенное..