Tipos de treinamento de técnicas de análise de regressão Ppt

Slide 1

Este slide afirma que a análise de regressão tem muitos tipos e a aplicação de cada abordagem depende do número de componentes. Essas variáveis incluem o tipo de variável de destino, a forma da linha de regressão e o número de variáveis independentes.

Slide 2

Este slide descreve que a regressão linear é uma das formas mais fundamentais de regressão no Machine Learning. O modelo de regressão linear vincula uma variável preditora e uma variável dependente linearmente.

Slide 3

Este slide afirma que a regressão polinomial é um tipo de abordagem de análise de regressão no aprendizado de máquina. É semelhante à regressão linear múltipla, mas com algumas diferenças. Como estimador, um modelo linear é usado. O Método dos Mínimos Quadrados Médios também é usado na Regressão Polinomial.

Slide 4

Este slide afirma que esse tipo de regressão no aprendizado de máquina é empregado quando as variáveis independentes têm uma forte correlação. Isso ocorre porque, em dados multicolineares, as estimativas de mínimos quadrados produzem resultados imparciais. No entanto, se a colinearidade for muito alta, pode haver algum valor de viés.

Slide 5

Este slide lista que a regressão de laço é um tipo de regressão no Machine Learning que inclui regularização e seleção de recursos. Proíbe o tamanho absoluto dos coeficientes de regressão; e, como resultado, o valor do coeficiente se aproxima de 0, o que não é o caso da Regressão Ridge.

Slide 6

Este slide mostra que a regressão bayesiana é um tipo de regressão de aprendizado de máquina que usa o teorema de Bayes para determinar o valor dos coeficientes de regressão. Em vez de calcular os mínimos quadrados, essa abordagem de regressão determina a distribuição posterior dos recursos.