Mavzu: Mashinali o'qitishga kirish va uning asosiy tushunchalari, algortmlari

Yuqoridagi misolda ko'p o'zgaruvchan regressiya qo'llaniladi, bu erda bizda juda ko'p mustaqil o'zgaruvchilar va bitta bog'liq o'zgaruvchiga ega
Xarajat funksiyasi nima?
Xarajat funktsiyasi bu model kuzatilgan ma'lumotlardan farq qilganda namunalarga xarajat qilish imkonini beradigan funktsiya. Ushbu tenglama bashorat qilingan qiymat va haqiqiy qiymat o'rtasidagi farq kvadratining yig'indisi, ma'lumotlar to'plamining uzunligining ikki baravariga bo'linadi.
MSE =

Ko'p o'zgaruvchan regressiya tahlilining bosqichlari
Ko'p o'zgaruvchan regressiya tahlili uchun bosqichlarni tanlash - bu xususiyatlarni tanlash va ularni normallashtirish, yo'qotish funktsiyasi va uni minimallashtirishdan iborat.
* Xususiyatni tanlash
Xususiyatlarni tanlash ko'p o'zgaruvchan regressiyaning muhim bosqichidir. Xususiyat tanlovi, shuningdek, o'zgaruvchan tanlov sifatida ham tanilgan. Yaxshi model yaratish uchun muhim o'zgaruvchilarni tanlash biz uchun muhim ahamiyat kasb etadi.
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