Tipos de técnicas de análisis de regresión Ppt de capacitación

Diapositiva 1

Esta diapositiva indica que el análisis de regresión tiene muchos tipos, y la aplicación de cada enfoque depende de la cantidad de componentes. Estas variables incluyen el tipo de variable objetivo, la forma de la línea de regresión y el número de variables independientes.

Diapositiva 2

Esta diapositiva describe que la regresión lineal es una de las formas más fundamentales de regresión en el aprendizaje automático. El modelo de regresión lineal vincula linealmente una variable predictora y una variable dependiente.

Diapositiva 3

Esta diapositiva indica que la regresión polinomial es un tipo de enfoque de análisis de regresión en el aprendizaje automático. Es similar a la regresión lineal múltiple pero con algunas diferencias. Como estimador se utiliza un modelo lineal. El método de mínimos cuadrados medios también se utiliza en la regresión polinomial.

Diapositiva 4

Esta diapositiva indica que este tipo de regresión en Machine Learning se emplea cuando las variables independientes tienen una fuerte correlación. Esto se debe a que, en datos multicolineales, las estimaciones de mínimos cuadrados producen resultados no sesgados. Sin embargo, si la colinealidad es demasiado alta, puede haber algún valor de sesgo.

Diapositiva 5

Esta diapositiva enumera que la regresión de lazo es una especie de regresión en el aprendizaje automático que incluye la regularización y la selección de funciones. Prohíbe el tamaño absoluto de los coeficientes de regresión; y como resultado, el valor del coeficiente se aproxima a 0, lo que no es el caso con Ridge Regression.

Diapositiva 6

Esta diapositiva muestra que la regresión bayesiana es un tipo de regresión de aprendizaje automático que utiliza el teorema de Bayes para determinar el valor de los coeficientes de regresión. En lugar de calcular los mínimos cuadrados, este enfoque de regresión determina la distribución posterior de las características.