エピソード

機械学習で回帰モデルをトレーニングして理解する - エピソード 4

Jason DeBoever と Glenn Stephens に参加して、Learn TVに参加し、この 9 部構成の「機械学習のためのデータ サイエンスの基礎」シリーズを探索してください。 毎週、Learn モジュールについて説明し、参加者の質問にライブで回答します。 基本的な従来の機械学習モデルから探索的データ分析やアーキテクチャのカスタマイズに至るまで、簡単に理解できる概念的なコンテンツと対話型の Jupyter Notebook をガイドとして提供し、基になる概念と、最も一般的な機械学習ツールを使用してモデルを構築する方法について説明します。

機械学習での回帰モデルのトレーニングと理解: エピソード 04

回帰は、ほぼ間違いなく、最も広く使用されている機械学習手法であり、科学的発見、ビジネスプランニング、株式市場分析の共通の基盤になっています。 この学習資料では、単純なものと複雑なもの両方の回帰分析について詳しく説明し、モデルのパフォーマンスを評価する方法についていくつかのインサイトを提供します。 このエピソードでは、次のことを行います。

  • 回帰のしくみを理解する。
  • 新しいアルゴリズムを使用する: 線形回帰、線形重回帰、多項式回帰。
  • 回帰モデルの長所と制限事項を理解する。
  • 線形回帰で誤差関数とコスト関数を視覚化する。
  • 回帰の基本的な評価メトリックを理解する。