Introdução
A regressão é quando os modelos preveem um número.
No aprendizado de máquina, o objetivo da regressão é criar um modelo que possa prever um valor numérico e quantificável, como um preço, quantidade, tamanho ou outro número escalar.
A regressão é uma técnica estatística de fundamental importância para a ciência devido à sua facilidade de interpretação, robustez e velocidade no cálculo. Os modelos de regressão fornecem uma excelente base para entender como funcionam técnicas mais complexas de aprendizado de máquina.
Em situações do mundo real, particularmente quando poucos dados estão disponíveis, os modelos de regressão são muito úteis para fazer previsões. Por exemplo, se uma empresa que aluga bicicletas quiser prever o número esperado de aluguéis em um determinado dia no futuro, um modelo de regressão pode prever esse número. Você pode criar um modelo usando dados existentes, como o número de bicicletas que foram alugadas em dias em que a estação, o dia da semana e assim por diante também foram registrados.
Pré-requisitos
- Conhecimento de matemática básica
- Alguma experiência em programação em Python
- Familiaridade com os cadernos Jupyter
Objetivos de aprendizagem
Neste módulo, irá:
- Quando usar modelos de regressão.
- Como treinar e avaliar modelos de regressão usando a estrutura Scikit-Learn.