Обучение и понимание моделей регрессии в контексте машинного обучения
Регрессия, возможно, является наиболее широко используемым методом машинного обучения, обычно лежащим в основе научных открытий, бизнес-планирования и аналитики фондового рынка. В этом учебном материале рассматриваются некоторые общие регрессионные анализы, как простые, так и более сложные, и дается некоторое представление о том, как оценить производительность модели.
Цели обучения
В этом модуле рассматриваются следующие темы:
- Узнайте, как работает регрессия.
- Работа с новыми алгоритмами: линейная регрессия, несколько линейных регрессий и полиномиальная регрессия.
- Ознакомьтесь с преимуществами и ограничениями моделей регрессии.
- Визуализировать функции ошибок и затрат в линейной регрессии.
- Общие сведения о метриках оценки для регрессии.
Предварительные требования
Знакомство с моделями машинного обучения