Arten von Regressionsanalysetechniken – Schulungs-Ppt

Folie 1

Auf dieser Folie heißt es, dass es viele Arten von Regressionsanalysen gibt und die Anwendung jedes Ansatzes von der Anzahl der Komponenten abhängt. Zu diesen Variablen gehören die Art der Zielvariablen, die Form der Regressionsgeraden und die Anzahl der unabhängigen Variablen.

Folie 2

Auf dieser Folie wird beschrieben, dass die lineare Regression eine der grundlegendsten Formen der Regression beim maschinellen Lernen ist. Das lineare Regressionsmodell verknüpft eine Prädiktorvariable und eine abhängige Variable linear.

Folie 3

Auf dieser Folie heißt es, dass es sich bei der Polynomregression um eine Art Regressionsanalyseansatz beim maschinellen Lernen handelt. Sie ähnelt der multiplen linearen Regression, weist jedoch einige Unterschiede auf. Als Schätzer wird ein lineares Modell verwendet. Die Methode des kleinsten mittleren Quadrats wird auch in der Polynomregression verwendet.

Folie 4

Auf dieser Folie heißt es, dass diese Art der Regression beim maschinellen Lernen eingesetzt wird, wenn die unabhängigen Variablen eine starke Korrelation aufweisen. Dies liegt daran, dass in multikollinearen Daten die Schätzungen der kleinsten Quadrate zu unverzerrten Ergebnissen führen. Wenn die Kollinearität jedoch zu hoch ist, liegt möglicherweise ein gewisser Bias-Wert vor.

Folie 5

Auf dieser Folie wird aufgeführt, dass die Lasso-Regression eine Art Regression im maschinellen Lernen ist, die Regularisierung und Funktionsauswahl umfasst. Es verbietet die absolute Größe der Regressionskoeffizienten; und als Ergebnis nähert sich der Koeffizientenwert 0, was bei der Ridge-Regression nicht der Fall ist.

Folie 6

Diese Folie zeigt, dass die Bayes'sche Regression eine Art maschineller Lernregression ist, die das Bayes-Theorem verwendet, um den Wert von Regressionskoeffizienten zu bestimmen. Anstatt die kleinsten Quadrate zu berechnen, bestimmt dieser Regressionsansatz die Posteriorverteilung der Merkmale.