Ko’p o’zgaruvchili chiziqli regressiya

Normalizatsiya xususiyatlari

Biz funktsiya ma’lumotlarini ko’paytirishimiz kerak, chunki u ma'lumotlarning umumiy tarqalishini va nisbatlarini saqlaydi. Bu samarali tahlilga olib keladi. Har bir xususiyatning qiymati ham o'zgarishi mumkin.

Yo'qotish funktsiyasini minimallashtirish

• 
  Ma'lumotlar to'plamida yo'qotishlarni minimallashtirish bu Gradient tushishi algoritmi asosida olib boriladi. Misol uchun quyidagicha berilgan bo’lsa,
  
• 
  Y =2+3x biz uni xosila olish orqali
  
• 
  Y =4x+3 ko’rinishida yechamiz.
  

• 
  

Ko'p o'zgaruvchan regressiyaning afzalliklari

• 
  Ko'p o'zgaruvchan regressiyaning eng muhim ustunligi bu ma'lumotlar to'plamida mavjud bo'lgan qo'shimcha va mustaqil o'zgaruvchilar o'rtasidagi o'zaro bog'liqlikni tushunishga yordam beradi. Ko'p o'zgaruvchan chiziqli regressiya - bu keng qo'llaniladigan mashinalarni o'rganish algoritmi.
  

Ko'p o'zgaruvchan regressiyaning kamchiliklari

• 
  Ko'p o'zgaruvchan texnikalar biroz murakkab va yuqori darajadagi matematik hisoblashni talab qiladi.
  
• 
  Ko'p o'zgaruvchan regressiya modelining natijasini ba'zan izohlash oson emas, chunki u bir xil bo'lmagan yo'qotish va xatolik ehtimolligiga ega.
  
• 
  Ushbu modelni kichik ma'lumotlar to'plamlariga nisbatan qo'llash mumkin emas. Natijalar kattaroq ma'lumotlar to'plamlari uchun yaxshiroq natija beradi.
  

Xulosa

• 
  Ko'p o'zgaruvchan regressiya bizda bir nechta mustaqil o'zgaruvchiga ega bo'lganda paydo bo'ladi va oddiy chiziqli regressiya ishlamaydi. Haqiqiy dunyo ma'lumotlari bir nechta o'zgaruvchilar yoki xususiyatlarni o'z ichiga oladi va agar ular ma'lumotlar mavjud bo'lsa, biz yaxshiroq tahlil qilish uchun ko'p o'zgaruvchan regressiyani talab qilamiz.
  

http://fayllar.org