Introduktion
Regression är där modeller förutsäger ett tal.
Inom maskininlärning är målet med regression att skapa en modell som kan förutsäga ett numeriskt, kvantifierbart värde, till exempel ett pris, belopp, storlek eller annat skalärt tal.
Regression är en statistisk teknik av grundläggande betydelse för vetenskapen på grund av dess enkla tolkning, robusthet och hastighet i beräkningen. Regressionsmodeller ger en utmärkt grund för att förstå hur mer komplexa maskininlärningstekniker fungerar.
I verkliga situationer, särskilt när lite data är tillgängliga, är regressionsmodeller mycket användbara för att göra förutsägelser. Om ett företag som hyr cyklar till exempel vill förutsäga det förväntade antalet uthyrningar en viss dag i framtiden kan en regressionsmodell förutsäga det här antalet. Du kan skapa en modell med hjälp av befintliga data, till exempel antalet cyklar som hyrdes på dagar där säsongen, veckodagen och så vidare också registrerades.
Förutsättningar
- Kunskaper om grundläggande matematik
- Viss erfarenhet av programmering i Python
- Kunskaper om Jupyter Notebooks
Utbildningsmål
I den här modulen kommer du att:
- När regressionsmodeller ska användas.
- Träna och utvärdera regressionsmodeller med scikit-learn-ramverket.