Types de techniques d'analyse de régression Formation Ppt

Diapositive 1

Cette diapositive indique que l'analyse de régression a de nombreux types et que l'application de chaque approche dépend du nombre de composants. Ces variables incluent le type de variable cible, la forme de la droite de régression et le nombre de variables indépendantes.

Diapositive 2

Cette diapositive décrit que la régression linéaire est l'une des formes les plus fondamentales de régression dans l'apprentissage automatique. Le modèle de régression linéaire relie linéairement une variable prédictive et une variable dépendante.

Diapositive 3

Cette diapositive indique que la régression polynomiale est un type d'approche d'analyse de régression dans l'apprentissage automatique. Il est similaire à la régression linéaire multiple mais avec quelques différences. Comme estimateur, un modèle linéaire est utilisé. La méthode des moindres carrés moyens est également utilisée dans la régression polynomiale.

Diapositive 4

Cette diapositive indique que ce type de régression dans Machine Learning est utilisé lorsque les variables indépendantes ont une forte corrélation. En effet, dans les données multicolinéaires, les estimations des moindres carrés produisent des résultats non biaisés. Cependant, si la colinéarité est trop élevée, il peut y avoir une certaine valeur de biais.

Diapositive 5

Cette diapositive indique que la régression au lasso est une sorte de régression dans Machine Learning qui inclut la régularisation et la sélection de fonctionnalités. Elle interdit la taille absolue des coefficients de régression ; et par conséquent, la valeur du coefficient se rapproche de 0, ce qui n'est pas le cas avec Ridge Regression.

Diapositive 6

Cette diapositive montre que la régression bayésienne est un type de régression d'apprentissage automatique qui utilise le théorème de Bayes pour déterminer la valeur des coefficients de régression. Au lieu de calculer les moindres carrés, cette approche de régression détermine la distribution a posteriori des caractéristiques.