Scikit Learn - линейное моделирование

Эта глава поможет вам узнать о линейном моделировании в Scikit-Learn. Давайте начнем с понимания того, что такое линейная регрессия в Sklearn.

В следующей таблице перечислены различные линейные модели, предоставляемые Scikit-Learn.

Старший Нет Модель и описание
1

Линейная регрессия

Это одна из лучших статистических моделей, изучающая взаимосвязь между зависимой переменной (Y) с заданным набором независимых переменных (X).

2

Логистическая регрессия

Логистическая регрессия, несмотря на свое название, представляет собой алгоритм классификации, а не алгоритм регрессии. Основанный на заданном наборе независимых переменных, он используется для оценки дискретного значения (0 или 1, да / нет, истина / ложь).

3

Риджская регрессия

Риджерная регрессия или регуляризация Тихонова - это метод регуляризации, который выполняет регуляризацию L2. Он изменяет функцию потерь, добавляя штраф (количество усадки), эквивалентный квадрату величины коэффициентов.

4

Регрессия Байесовского хребта

Байесовская регрессия позволяет естественному механизму выжить при недостаточном количестве данных или плохо распределенных данных путем формулирования линейной регрессии с использованием распределителей вероятностей, а не точечных оценок.

5

ЛАССО

LASSO - это метод регуляризации, который выполняет регуляризацию L1. Он изменяет функцию потерь, добавляя штраф (количество усадки), эквивалентный суммированию абсолютных значений коэффициентов.

6

Многозадачный LASSO

Это позволяет согласовывать несколько задач регрессии, одновременно обеспечивая, чтобы выбранные функции были одинаковыми для всех задач регрессии, также называемых задачами. Sklearn предоставляет линейную модель под названием MultiTaskLasso, обученную со смешанной L1, L2-нормой для регуляризации, которая оценивает разреженные коэффициенты для нескольких задач регрессии совместно.

7

Эластичная сетка

Elastic-Net - это метод регуляризованной регрессии, который линейно комбинирует оба штрафа, то есть L1 и L2 методов регрессии Лассо и Риджа. Это полезно, когда есть несколько коррелированных функций.

8

Многозадачная Elastic-Net

Это модель Elastic-Net, которая позволяет учесть несколько задач регрессии, совместно применяя выбранные функции, чтобы они были одинаковыми для всех задач регрессии, также называемых задачами.