Scikit Learn - Doğrusal Modelleme

Bu bölüm, Scikit-Learn'deki doğrusal modelleme hakkında bilgi edinmenize yardımcı olacaktır. Sklearn'da doğrusal regresyonun ne olduğunu anlayarak başlayalım.

Aşağıdaki tablo Scikit-Learn tarafından sağlanan çeşitli doğrusal modelleri listelemektedir -

Sr.No Model Açıklaması
1

Doğrusal Regresyon

Bağımlı değişken (Y) ile belirli bir bağımsız değişkenler (X) arasındaki ilişkiyi inceleyen en iyi istatistiksel modellerden biridir.

2

Lojistik regresyon

Lojistik regresyon, ismine rağmen, regresyon algoritmasından ziyade bir sınıflandırma algoritmasıdır. Belirli bir bağımsız değişkenler kümesine bağlı olarak, ayrık değeri tahmin etmek için kullanılır (0 veya 1, evet / hayır, doğru / yanlış).

3

Ridge Regresyon

Ridge regresyonu veya Tikhonov regresyonu, L2 regresyonunu gerçekleştiren regresyon tekniğidir. Katsayıların büyüklüğünün karesine eşdeğer ceza (çekme miktarı) ekleyerek kayıp fonksiyonunu değiştirir.

4

Bayesian Ridge Regresyon

Bayes tipi regresyon, doğal bir mekanizmanın, nokta tahminleri yerine olasılık dağıtıcıları kullanarak doğrusal regresyonu formüle ederek yetersiz veri veya zayıf dağıtılmış verilerde hayatta kalmasını sağlar.

5

KEMENT

LASSO, L1 düzenlileştirmesini gerçekleştiren düzenlileştirme tekniğidir. Katsayıların mutlak değerinin toplamına eşdeğer ceza (çekme miktarı) ekleyerek kayıp fonksiyonunu değiştirir.

6

Çok görevli LASSO

Görevler olarak da adlandırılan tüm regresyon problemleri için seçilen özellikleri aynı olmaya zorlayarak birden fazla regresyon probleminin uyumunu sağlar. Sklearn, çoklu regresyon problemleri için seyrek katsayıları birlikte tahmin eden, düzenlileştirme için karma bir L1, L2 normu ile eğitilmiş MultiTaskLasso adlı doğrusal bir model sağlar.

7

Elastik-Net

Elastic-Net, Lasso ve Ridge regresyon yöntemlerinin her iki cezasını, yani L1 ve L2'yi doğrusal olarak birleştiren düzenli bir regresyon yöntemidir. Birden fazla ilişkili özellik olduğunda kullanışlıdır.

8

Çok Amaçlı Elastik Ağ

Görevler olarak da adlandırılan tüm regresyon problemleri için seçilen özellikleri aynı olmaya zorlayan birden fazla regresyon problemine uyulmasına izin veren bir Elastic-Net modelidir.