説明

ケーススタディ – 住宅価格の予測

最初のケーススタディである住宅価格の予測では、入力特徴 (面積、寝室とバスルームの数など) から連続値 (価格) を予測するモデルを作成します。 これは、回帰を適用できる多くの場所の XNUMX つにすぎません。 その他のアプリケーションは、医療における健康状態の予測、金融における株価、ハイパフォーマンス コンピューティングにおける電力使用量の予測から、どの制御因子が遺伝子発現にとって重要であるかの分析まで多岐にわたります。

このコースでは、予測と特徴選択のタスクのための正則化線形回帰モデルを学習します。 非常に大規模な機能セットを処理し、さまざまな複雑さのモデルから選択できるようになります。 また、外れ値などのデータの側面が選択したモデルや予測に及ぼす影響も分析します。 これらのモデルに適合させるには、大規模なデータセットに対応する最適化アルゴリズムを実装します。

学習成果: このコースを終了するまでに、次のことができるようになります。
-回帰モデルの入力と出力について説明します。
- データをモデル化する際のバイアスと分散を比較対照します。
-最適化アルゴリズムを使用してモデルパラメータを推定します。
-相互検証によるパラメータの調整。
-モデルのパフォーマンスを分析します。
- スパース性の概念と、LASSO がスパースなソリューションにどのようにつながるかを説明します。
-モデル間で選択するメソッドを展開します。
-モデルを利用して予測を作成します。
-住宅データセットを使用して価格を予測する回帰モデルを構築します。
-これらのテクニックを Python で実装します。

価格：無料で登録！

機械学習：回帰 –ワシントン大学