Публикации по теме 'regression'
Практическое моделирование разрывов резкой регрессии
Введение
Регрессионное проектирование разрывов — отличный инструмент, который следует иметь в своем наборе инструментов для причинного вывода. В некоторых промышленных приложениях заданная политика лечения назначается подмножеству единиц на основе детерминированной функции некоторой ковариаты или характеристики данной единицы:
В этом случае все единицы со значением ковариаты выше или равным c относят к группе лечения, а все единицы со значением ковариаты ниже c относят к контрольной..
Прогнозирование трансферной стоимости игрока
Для прогнозирования трансферной ценности игрока мы обучим линейную регрессию для создания модели прогнозирования.
Начнем с импорта необходимых библиотек.
Я использовал этот набор данных «TFM_Transfers.csv» ниже, который содержит значения передачи и другие переменные для нескольких игроков. Я отфильтровал поля, которые я нашел наиболее значимыми для проблемы.
Затем я попытался проявить творческий подход и придумать дополнительную футбольную переменную, которая каким-то..
Раскрытие возможностей анализа VIF для решения проблемы мультиколлинеарности в машинном обучении
Раскрытие возможностей анализа VIF для решения проблемы мультиколлинеарности в машинном обучении
VIF или анализ коэффициента инфляции дисперсии — это мощный инструмент, используемый для выявления мультиколлинеарности в данных. Это важный шаг в процессе машинного обучения, поскольку он может помочь повысить точность и надежность прогностических моделей. В этой статье блога мы обсудим, что такое анализ VIF и как его можно использовать для решения проблемы мультиколлинеарности в машинном..
Машинное обучение 101
Большинство организаций находятся на начальной или средней стадии внедрения методов машинного обучения. Хотя есть аспекты, в которых приложение кажется наиболее интуитивно понятным (например, системы, ориентированные на потребителя), есть много неисследованных областей, в которых ИИ и машинное обучение могут улучшить способ ведения бизнеса.
В этом посте я даю обзор машинного обучения и его методов.
О чем этот пост: краткое руководство по методам машинного обучения.
Чем не..
Цены на жилье Продвинутые методы регрессии
В этой статье мы рассмотрим классическое соревнование Kaggle и изучим некоторые методы, которые помогут нам добиться лучшего результата в наших моделях более «автоматическим» способом.
Вы можете найти более подробную информацию о наборе данных здесь , а полный блокнот jupyter — здесь .
Импорт данных
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.impute import SimpleImputer
from sklearn.preprocessing import OneHotEncoder..
Очень простое введение в регрессию с помощью XGBoost
XGBoost — это оптимизированная распределенная библиотека повышения градиента, разработанная с учетом высокой эффективности , гибкости и портативный .
Задачи регрессии связаны с прогнозированием смежных или реальных значений. Несколько алгоритмов регрессии включают:
Линейная регрессия Деревья решений
Деревья решений можно использовать как для классификации, так и для регрессии.
Регрессионную модель XGBoost можно определить, создав экземпляр класса XGBRegressor ...
Руководство 101 по методу регрессии наименьших квадратов
В связи с бурным развитием машинного обучения и искусственного интеллекта на ИТ-рынке стало необходимо изучить основы этих современных технологий. Этот блог о методе регрессии методом наименьших квадратов поможет вам понять математику, лежащую в основе регрессионного анализа, и то, как его можно реализовать с помощью Python.
Вот список тем, которые будут рассмотрены в этой статье:
Что такое метод наименьших квадратов? Линия наилучшего соответствия Шаги по вычислению линии..