Введение
Регрессия происходит, когда модели прогнозируют число.
В машинном обучении цель регрессии — создание модели, способной прогнозировать числовое значение, например цену, сумму, размер или другую скалярную величину.
Регрессия — это статистический метод, имеющий большую важность для науки благодаря простоте интерпретации, надежности и скорости вычисления. Модели регрессии предоставляют отличную основу для понимания того, как работают более сложные методы машинного обучения.
В реальных ситуациях, особенно при наличии небольшого объема данных, модели регрессии очень полезны для выполнения прогнозов. Например, если компания, которая сдает велосипеды напрокат, хочет спрогнозировать ожидаемое количество клиентов в день в будущем, она может использовать модель регрессии. Вы можете создать модель с использованием существующих данных, таких как количество велосипедов, которые были арендованы в дни, когда сезон, день недели и т. д., также были записаны.
Необходимые компоненты
- Базовые знания в области математики
- Определенный опыт программирования на Python
- Знакомство с записными книжками Jupyter
Цели обучения
Изучив этот модуль, вы сможете:
- Когда следует использовать модели регрессии.
- Как обучать и оценивать модели регрессии с помощью платформы Scikit-Learn.