Справка
x
Поиск
Закладки
Озвучить книгу
Изменить режим чтения
Изменить размер шрифта
Оглавление
Для озвучивания и цитирования книги перейдите в режим постраничного просмотра.
Python и машинное обучение
Глава 10. Прогнозирование непрерывных целевых величин на основе регрессионного анализа
Поставить закладку
Введение в простую линейную регрессионную модель
Если Вы наш подписчик,то для того чтобы скопировать текст этой страницы в свой конспект,
используйте
просмотр в виде pdf
. Вам доступно 5 стр. из этой главы.
Для продолжения работы требуется
Registration
Предыдущая страница
Следующая страница
Table of contents
Предисловие
Об авторе
О рецензентах
Введение
Глава 1. Наделение компьютеров способностью обучаться на данных
+
Глава 2. Тренировка алгоритмов машинного обучения для задачи классификации
+
Глава 3. Обзор классификаторов с использованием библиотеки scikit-learn
+
Глава 4. Создание хороших тренировочных наборов - предобработка данных
+
Глава 5. Сжатие данных путем снижения размерности
+
Глава 6. Изучение наиболее успешных методов оценки моделей и тонкой настройки гиперпараметров
+
Глава 7. Объединение моделей для методов ансамблевого обучения
+
Глава 8. Применение алгоритмов машинного обучения в анализе мнений
+
Глава 9. Встраивание алгоритма машинного обучения в веб-приложение
+
Глава 10. Прогнозирование непрерывных целевых величин на основе регрессионного анализа
-
Введение в простую линейную регрессионную модель
Разведочный анализ набора данных Housing
Визуализация важных характеристик набора данных
Реализация линейной регрессионной модели обычным методом наименьших квадратов
Решение уравнения регрессии для параметров регрессии методом градиентного спуска
Оценивание коэффициента регрессионной модели в scikit-learn
Подгонка стабильной регрессионной модели алгоритмом RANSAC
Оценивание работоспособности линейных регрессионных моделей
Применение регуляризованных методов для регрессии
Превращение линейной регрессионной модели в криволинейную - полиномиальная регрессия
Моделирование нелинейных связей в наборе данных Housing
Обработка нелинейных связей при помощи случайных лесов
Регрессия на основе дерева решений
Регрессия на основе случайного леса
Резюме
Глава 11. Работа с немаркированными данными - кластерный анализ
+
Глава 12. Тренировка искусственных нейронных сетей для распознавания изображений
+
Глава 13. Распараллеливание тренировки нейронных сетей при помощи Theano
+
Приложение А
+
Глоссарий основных терминов и сокращений
+
Предметный указатель
Данный блок поддерживает скрол*