Trainieren und Verstehen von Regressionsmodellen beim maschinellen Lernen
Die Regression ist wahrscheinlich das am häufigsten verwendete Verfahren für maschinelles Lernen, das wissenschaftlichen Ermittlungen, der Geschäftsplanung und der Analyse von Aktienmärkten zugrunde liegt. In diesem Lernmaterial werden einige gängige Regressionsanalysen beschrieben – sowohl einfache als auch komplexere –, und Sie erhalten einen Einblick in die Bewertung der Modellleistung.
Lernziele
In diesem Modul lernen Sie Folgendes:
- Grundlegendes zur Funktionsweise der Regression
- Verwendung von neuen Algorithmen: lineare Regression, multiple lineare Regression und Polynomregression
- Grundlegendes zu den Vorteilen und Einschränkungen von Regressionsmodellen
- Visualisieren von Fehler- und Kostenfunktionen bei der linearen Regression
- Grundlegendes zu einfachen Auswertungsmetriken für die Regression
Voraussetzungen
Vertrautheit mit Machine Learning-Modellen