Bevezetés
A regresszió az, ahol a modellek számokat jeleznek előre.
A gépi tanulásban a regresszió célja olyan modell létrehozása, amely képes előrejelezni egy numerikus, számszerűsíthető értéket, például árat, mértéket, méretet vagy más skaláris számot.
A regresszió a tudomány szempontjából alapvető fontosságú statisztikai technika, mivel könnyen értelmezhető, robusztus és gyors számítást végez. A regressziós modellek kiváló alapot nyújtanak az összetettebb gépi tanulási technikák működésének megértéséhez.
Valós helyzetekben, különösen ha kevés adat áll rendelkezésre, a regressziós modellek nagyon hasznosak az előrejelzések készítéséhez. Ha például egy kerékpárt kiadó vállalat előre szeretné jelezni egy adott napon a bérleti díjak várható számát a jövőben, a regressziós modell előrejelezheti ezt a számot. Létrehozhat egy modellt a meglévő adatok alapján, például a kerékpárok azon napokon bérelt száma, ahol a szezon, a hét napja stb. is rögzítve lett.
Előfeltételek
- Alapszintű matematika ismerete
- Némi tapasztalat programozás a Pythonban
- A Jupyter notebookok ismerete
Tanulási célkitűzések
Ebben a modulban a következőkkel foglalkozunk:
- Mikor érdemes regressziós modelleket használni.
- Regressziós modellek betanítása és kiértékelése a Scikit-Learn keretrendszer használatával.