国外课栈 - 国外电子信息技术视频教程、电子书和博文栈
数据科学和机器学习系列:多元线性回归(多线性回归)完整指南
数据科学和机器学习系列:多元线性回归(多线性回归)完整指南
类别 : 视频教程
格式 : MP4
订阅须知  订阅
概述

数据科学和机器学习系列:多元线性回归(多线性回归)完整指南

在数据科学和机器学习系列的本课程中应用多元线性回归(Multiple-Linear Regression)。通过讲座和动手操作相结合,跟随机器学习专家Advait Jayant一起使用此强大的统计线性模型进行练习。

本数据科学和机器学习课程将涵盖以下六个主题:

  • 介绍多元线性回归(Multiple-Linear Regression)。在“数据科学和机器学习系列”的第一个主题中解释多元线性回归及其用例。回归分析是一种强大的统计方法,可让我们检查两个或多个目标变量之间的关系。因变量是我们试图理解和预测的主要因素。自变量是我们要假设的因素,它会影响我们的因变量。练习定义因变量和自变量以及建立综合数据集的步骤。
  • 利用波士顿住房价格数据集进行多元线性回归。在数据科学和机器学习系列的第二个主题中,使用“波士顿房屋价格数据集”实践多元线性回归来预测房屋价格。跟着Advait一起使用,并使用pandas,numpy,seaborn和matplotlib的Python库处理多元线性回归。
  • 机器学习中的过度拟合与过度拟合及多元线性回归分析。在数据科学和机器学习系列的第三个主题中,能够解释机器学习中的过拟合和过拟合以及使用多元线性回归的情况。
  • 小型批次随机梯度下降算法的应用。在数据科学和机器学习系列的第四个主题中应用微型批处理和随机梯度下降算法。
  • 使用最大似然估计。在数据科学和机器学习系列的第五个主题中使用最大似然估计。跟随Advait并练习最小二乘损失函数。
  • K折交叉验证。在数据科学和机器学习系列的第六个主题中应用K折交叉验证。跟随Advait一起使用此算法创建训练和测试数据集。

时长:2时4分

Data Science,Machine Learning

会员登录
登录
我的资料
留言
回到顶部