Video: Ano ang ML regression?
2024 May -akda: Lynn Donovan | [email protected]. Huling binago: 2023-12-15 23:54
Regression ay isang ML algorithm na maaaring sanayin upang mahulaan ang tunay na bilang na mga output; tulad ng temperatura, presyo ng stock, atbp. Regression ay batay sa isang hypothesis na maaaring linear, quadratic, polynomial, non-linear, atbp. Ang hypothesis ay isang function na nakabatay sa ilang mga nakatagong parameter at mga halaga ng input.
Kasunod nito, maaari ring magtanong, ano ang regression sa machine learning na may halimbawa?
Regression Ang mga modelo ay ginagamit upang mahulaan ang isang tuluy-tuloy na halaga. Ang paghula ng mga presyo ng isang bahay dahil sa mga tampok ng bahay tulad ng laki, presyo atbp ay isa sa mga karaniwan mga halimbawa ng Regression . Ito ay isang pinangangasiwaang pamamaraan.
Pangalawa, ang Regression ba ay isang machine learning? Pagsusuri ng regression ay binubuo ng isang set ng machine learning mga pamamaraan na nagpapahintulot sa amin na mahulaan ang isang tuluy-tuloy na variable ng resulta (y) batay sa halaga ng isa o maraming mga variable ng predictor (x). Sa madaling sabi, ang layunin ng regression modelo ay upang bumuo ng isang mathematical equation na tumutukoy sa y bilang isang function ng x variable.
Kung isasaalang-alang ito, ano ang pag-uuri ng ML?
Sa machine learning at statistics, pag-uuri ay ang problema sa pagtukoy kung alin sa isang hanay ng mga kategorya (mga sub-populasyon) kabilang ang isang bagong obserbasyon, batay sa isang set ng pagsasanay ng data na naglalaman ng mga obserbasyon (o mga pagkakataon) na kilala ang pagiging miyembro ng kategorya.
Ano ang pagkakaiba sa pagitan ng pag-uuri at pagbabalik?
Regression at pag-uuri ay nakategorya sa ilalim ng parehong payong ng pinangangasiwaang machine learning. Pangunahing pagkakaiba sa pagitan ng ang mga ito ay ang output variable sa regression ay numerical (o tuloy-tuloy) habang para sa pag-uuri ay kategorya (o discrete).
Inirerekumendang:
Ano ang regularized linear regression?
Regularisasyon. Ito ay isang anyo ng regression, na pumipigil/nag-regularize o nagpapaliit sa mga pagtatantya ng koepisyent patungo sa zero. Sa madaling salita, pinipigilan ng pamamaraang ito ang pag-aaral ng mas kumplikado o nababaluktot na modelo, upang maiwasan ang panganib ng overfitting. Ang isang simpleng ugnayan para sa linear regression ay ganito ang hitsura
Ano ang pamamaraan ng regression tree?
Ang pangkalahatang pamamaraan ng pagbuo ng regression tree ay nagbibigay-daan sa mga variable ng pag-input na maging isang pinaghalong tuluy-tuloy at kategoryang mga variable. Ang isang Regression tree ay maaaring ituring bilang isang variant ng mga decision tree, na idinisenyo upang tantiyahin ang mga function na may tunay na halaga, sa halip na gamitin para sa mga pamamaraan ng pag-uuri
Ano ang problema sa regression sa machine learning?
Ang isang problema sa regression ay kapag ang output variable ay isang tunay o tuloy-tuloy na halaga, tulad ng "suweldo" o "timbang". Maraming iba't ibang mga modelo ang maaaring gamitin, ang pinakasimpleng ay ang linear regression. Sinusubukan nitong magkasya ang data sa pinakamahusay na hyper-plane na dumadaan sa mga puntos
Ano ang pagsusuri ng regression tree?
Ang pagsusuri ng regression tree ay kapag ang hinulaang resulta ay maaaring ituring na isang tunay na numero (hal. ang presyo ng isang bahay, o ang tagal ng pananatili ng isang pasyente sa isang ospital)
Paano gumagana ang Bayesian regression?
Sa pananaw ng Bayesian, bumubuo kami ng linear regression gamit ang mga probability distribution sa halip na mga point estimate. Ang modelo para sa Bayesian Linear Regression na may sample na tugon mula sa isang normal na distribution ay: Ang output, y ay nabuo mula sa isang normal (Gaussian) Distribution na nailalarawan sa pamamagitan ng isang mean at variance