Wprowadzenie
Regresja polega na tym, że modele przewidują liczbę.
W uczeniu maszynowym celem regresji jest utworzenie modelu, który może przewidywać wartość liczbową, kwantyfikalną, taką jak cena, ilość, rozmiar lub inna liczba skalarna.
Regresja jest techniką statystyczną o podstawowym znaczeniu dla nauki ze względu na łatwość interpretacji, niezawodność i szybkość obliczeń. Modele regresji stanowią doskonałą podstawę do zrozumienia, jak działają bardziej złożone techniki uczenia maszynowego.
W rzeczywistych sytuacjach, szczególnie gdy są dostępne małe dane, modele regresji są bardzo przydatne do przewidywania. Jeśli na przykład firma, która wynajmuje rowery, chce przewidzieć oczekiwaną liczbę wypożyczeń w danym dniu w przyszłości, model regresji może przewidzieć tę liczbę. Model można utworzyć przy użyciu istniejących danych, takich jak liczba rowerów, które zostały wynajęte w dniach, w których zarejestrowano również sezon, dzień tygodnia itd.
Wymagania wstępne
- Znajomość podstawowej matematyki
- Niektóre środowiska programowania w języku Python
- Znajomość notesów Jupyter
Cele szkolenia
Zawartość tego modułu:
- Kiedy należy używać modeli regresji.
- Jak trenować i oceniać modele regresji przy użyciu platformy Scikit-Learn.