Johdanto
regressio, jossa mallit ennustavat lukua.
Koneoppimisessa regression tavoitteena on luoda malli, joka voi ennustaa numeerisen, kvantitattavissa olevan arvon, kuten hinnan, määrän, koon tai muun skalaariluvun.
Regressio on tilastollinen tekniikka, joka on perustavanlaatuinen ja tärkeä tieteelle, koska se on tulkinnan helppo, vankka ja laskennan nopeus. Regressiomallit tarjoavat erinomaisen perustan monimutkaisempien koneoppimistekniikoiden toimintatavan ymmärtämiseen.
Reaalimaailman tilanteissa, etenkin kun tietoja on käytettävissä vähän, regressiomalleista on paljon hyötyä ennusteiden tekemisessä. Jos esimerkiksi polkupyöriä vuokraava yritys haluaa ennustaa tietyn päivän vuokrauksen odotetun määrän tulevaisuudessa, regressiomalli voi ennustaa tämän määrän. Voit luoda mallin käyttämällä olemassa olevia tietoja, kuten niiden polkupyörien määrää, jotka vuokrattiin päivinä, jolloin kausi, viikonpäivä ja niin edelleen kirjattiin.
Edellytykset
- Perusmatematiikan tuntemus
- Jonkin verran käyttökokemusohjelmointia Pythonissa
- Jupyter-muistikirjojen tuntemus
Oppimistavoitteet
Tässä moduulissa teet:
- Milloin kannattaa käyttää regressiomalleja?
- Regressiomallien harjoittaminen ja arvioiminen Scikit-Learn kehyksen avulla.