Scikit Learn - Pemodelan Linear
Bab ini akan membantu Anda mempelajari tentang pemodelan linier di Scikit-Learn. Mari kita mulai dengan memahami apa itu regresi linier di Sklearn.
Tabel berikut mencantumkan berbagai model linier yang disediakan oleh Scikit-Learn -
| Sr Tidak | Model & Deskripsi |
|---|---|
| 1 | Regresi linier Ini adalah salah satu model statistik terbaik yang mempelajari hubungan antara variabel dependen (Y) dengan kumpulan variabel independen (X) tertentu. |
| 2 | Regresi logistik Regresi logistik, terlepas dari namanya, adalah algoritma klasifikasi daripada algoritma regresi. Berdasarkan kumpulan variabel independen tertentu, ini digunakan untuk memperkirakan nilai diskrit (0 atau 1, ya / tidak, benar / salah). |
| 3 | Regresi Ridge Regresi Ridge atau regularisasi Tikhonov adalah teknik regularisasi yang melakukan regularisasi L2. Ini memodifikasi fungsi kerugian dengan menambahkan penalti (kuantitas penyusutan) yang setara dengan kuadrat dari besarnya koefisien. |
| 4 | Regresi Bayesian Ridge Regresi Bayesian memungkinkan mekanisme alami untuk bertahan dari data yang tidak mencukupi atau data yang terdistribusi buruk dengan merumuskan regresi linier menggunakan distributor probabilitas daripada estimasi titik. |
| 5 | LASO LASSO adalah teknik regularisasi yang melakukan regularisasi L1. Ini mengubah fungsi kerugian dengan menambahkan penalti (kuantitas penyusutan) yang setara dengan penjumlahan nilai absolut koefisien. |
| 6 | LASSO multi-tugas Hal ini memungkinkan untuk menyesuaikan beberapa masalah regresi yang secara bersama-sama menerapkan fitur yang dipilih agar sama untuk semua masalah regresi, yang juga disebut tugas. Sklearn menyediakan model linier bernama MultiTaskLasso, dilatih dengan campuran L1, L2-norm untuk regularisasi, yang memperkirakan koefisien renggang untuk beberapa masalah regresi secara bersama-sama. |
| 7 | Elastis-Net Elastic-Net adalah metode regresi yang secara linier menggabungkan kedua penalti yaitu L1 dan L2 dari metode regresi Lasso dan Ridge. Ini berguna bila ada beberapa fitur yang berkorelasi. |
| 8 | Elastis-Net multi-tugas Ini adalah model Elastic-Net yang memungkinkan untuk menyesuaikan beberapa masalah regresi yang secara bersama-sama menerapkan fitur yang dipilih agar sama untuk semua masalah regresi, juga disebut tugas |