기계 학습 선형 회귀 모델 강의 과제 시청각 보고서(현장 파괴에 효과적인 심도 있는 학습 강좌)

3984 단어 선형 회귀기계 학습

기계 학습


선형 회귀 모델


회귀 문제
  • 회귀 문제는 입력한 수치에 따라 연속값을 예측하는 문제를 가리킨다
  • 회귀 문제에서 사용 벡터를 입력하고 표량 값을 출력합니다.이때 입력에 사용되는 변수를 설명 변수(특징량)라고 하고 출력 값을 목적 변수라고 합니다.
    .주택 가격 예측
    .설명 변수: 부지 면적, 건축 연한 등
  • 목적 변수: 주택 가격
    • 선형 회귀
  • 선형 회귀는 회귀 문제를 풀기 위한 기계 학습 모델이다
  • 교사의 학습(정답이 있는 데이터가 있는 학습)을 통해 학습한다
  • m차원 벡터로 입력한 상황에서 m차원 파라미터의 각 요소가 곱한 결과와 (선형 결합)에 절편을 더한 결과를 출력한다.(입력된 비트가 어떻든지 간에 출력은 모두 표량이다.)
  • 매개 변수는 입력 벡터의 모든 요소가 출력에 어느 정도 영향을 미치는지 확정한다.매개 변수가 양수일 때 출력을 증가하고 매개 변수가 음수일 때 출력을 감소합니다.매개 변수가 0에 가까울 때 출력에 큰 영향을 미치지 않습니다
  • 이 매개 변수를 최적 값으로 설정함으로써 정확한 예측을 할 수 있다
    • 모델 선택
  • 만약에 수중의 모든 데이터를 배웠다면 미지의 데이터에 대한 예측 정밀도(범용성)를 평가하기 어렵다.따라서 일반적으로 수중의 데이터를 학습용과 테스트용으로 나눈다
    • 매개 변수 추정
  • 회귀 직선에 오차를 넣어 데이터가 관측된다고 가정하고 이 오차가 가장 시간적인 파라미터를 구하는 것이 기계 학습의 목표이다
  • 오차의 크기는 균형 오차로 표시할 수 있다.균형 오차는 각 데이터와 모델의 출력 차이를 제곱하여 합친 것이다.균형 오차가 적을수록 오차가 적다고 할 수 있다
  • 균일 오차를 가장 적게 하는 매개 변수를 구하는 방법을 최소 2승법이라고 한다.최소 2승법은 균형 오차의 사다리가 0인 점, 즉 매개 변수로 균형 오차를 미분한 후의 값이 0인 점을 구하는 방법이다.
  • 이렇게 얻은 매개 변수를 바탕으로 하는 회귀 직선이 모든 데이터에 적용되는지 확인 계수를 사용하여 평가할 수 있다.
    • 한스톤











    요약과 고찰
  • 단회귀분석에서 방수를 설명 변수로 하고 중회귀분석에서 방수와 범죄율을 설명 변수로 모델을 만든다
  • train_test_split을 가져오는 중 오류가 발생하여 수정되었습니다
  • 중회귀분석을 할 때 설명 변수로 건축 연수와 면적의 크기를 증가시켰는데 결과적으로 과도한 학습을 일으킨 것 같다.도표만 보면 예측 데이터에 대한 정확도는 현재로서는 괜찮아 보이지만 정밀도를 한층 높이고 싶은 상황에서 다른 기계 학습 모델을 사용하는 것이 좋다고 생각한다
    • 다음 (비선형 회귀 모델)
    ABEJA Platform 템플릿 비프로그래밍 배포 머신러닝 모델 사용
    기계학습 비선형 회귀모델 강의 과제 시청각 보고서(현장 파괴에 효과적인 딥러닝 강좌)

    좋은 웹페이지 즐겨찾기

    개발자 우수 사이트 수집

    개발자가 알아야 할 필수 사이트 100선 추천 우리는 당신을 위해 100개의 자주 사용하는 개발자 학습 사이트를 정리했습니다
    best100-homepage