Вариации регрессии — различия между версиями
Penguinni (обсуждение | вклад) м (→Гребневая регрессия (ридж-регрессия)) |
Penguinni (обсуждение | вклад) м (→Лассо-регрессия) |
||
Строка 15: | Строка 15: | ||
===Лассо-регрессия=== | ===Лассо-регрессия=== | ||
+ | ====Описание==== | ||
+ | ====Пример кода для Scikit-learn=== | ||
===Байесовская=== | ===Байесовская=== |
Версия 18:26, 23 января 2019
Регрессия (англ. Regression) — метод моделирования зависимости между зависимой переменной
и одной или несколькими независимыми переменными . В случае нескольких независимых переменных регрессия называется множественной (англ. multivariate regression). Цель регрессионного анализа состоит в том, чтобы оценить значение непрерывной выходной переменной по значениям входных переменных.Содержание
Линейная регрессия
Линейная регрессия (англ. Linear regression) — разновидность регрессии для моделирования линейной зависимости между зависимой и независимой переменными.
Логистическая регрессия
Логистическая регрессия (англ. Logistic regression) — разновидность регрессии для моделирования зависимости между зависимой и независимой переменными в случае, когда зависимая переменная
принимает значения в диапазоне от до .Гребневая регрессия (ридж-регрессия)
Описание
Пример кода для Scikit-learn
Лассо-регрессия
Описание
=Пример кода для Scikit-learn
Байесовская
Логическая регрессия
Экологическая регрессия
LAD-регрессия
Джекнайф-регрессия
См. также
- Общие понятия
- Линейная регрессия
- Логистическая регрессия
- Обзор библиотек для машинного обучения на Python
- Байесовская классификация
- Уменьшение размерности