5. diel - Polynomiálnej regresie ceny zlata a druhy strojového učenia
V minulej lekcii, Zjednodušená gradientný metóda optimalizácia lineárna regresia , sme sa venovali ďalšie metóde lineárna regresia. Naše pokusy boli doteraz pomerne nepresné, pretože sme zložitú funkciu zjednodušovali na obyčajnú priamku. Dnes podíde ďalej a miesto priamky budeme odhadovať polynomiálnej funkciu (grafom tejto funkcie je "zohýbaná" krivka, miesto pôvodnej rovné priamky). Ďalej si tiež vysvetlíme druhy strojového učenia.
Polynomiálnej regresie
Polynomiální regresia funguje rovnako ako lineárna regresia, ale dátam sa
snažíme prispôsobiť polynóm. Tvar polynómu vyzerá nasledovne, má
n stupňov, kde 1. je lineárna:
Stupeň polynómu označuje najväčší exponent x, v tomto
prípade je to n.
Polynomiální regresia sa dokáže prispôsobiť dátam, ktoré nemajú iba
lineárny vzťah. To je v praxi väčšina dát, cena zlata totiž len nerastie
alebo neklesá, ale rôzne sa "ohýba" v rôznych častiach grafe 
Čím väčší stupeň polynómu
zvolíme, tým komplexnejšie krivke sa môže prispôsobiť.
Overfitting
Keď zvolíme príliš veľký stupeň, môže sa zdať, že krivka sa dátam dobre prispôsobila, ale ak
...koniec náhľadu článku...
Pokračuj ďalej
Minul si až sem a to je super! Veríme, že ti prvé lekcie ukázali niečo nového a užitočného.
Chceš v kurze pokračovať? Prejdi do prémiové sekcie.
Kúpiť tento kurz
Obsah článku spadá pod licenciu Premium, kúpou článku súhlasíš so zmluvnými podmienkami.
- Neobmedzený a trvalý prístup k jednotlivým lekciím.
- Kvalitné znalosti v oblasti IT.
- Zručnosti, ktoré ti pomôžu získať vysnívanú a dobre platenú prácu.
Popis článku
Požadovaný článok má nasledujúci obsah:
V tutoriálu si predstavíme polynomiálnej regresii a porovnáme predpoveď ceny zlata s lineárnou regresiou a druhy strojového učenia v Pythone.
Kredity získaš, keď podporíš našu sieť. To môžeš urobiť buď zaslaním symbolickej sumy na podporu prevádzky alebo pridaním obsahu na sieť.
