머신 러닝: 회귀 모델

О курсе

사례 연구 - 주택 가격 예측 첫 번째 사례 연구 주택 가격 예측에서는 입력 특성(면적, 방 및 화장실 개수 등)에서 연속적인 값(가격)을 예측하는 모델을 만듭니다. 이는 회귀를 적용할 수 있는 많은 장소 중 하나일 뿐입니다. 그 외 다른 응용의 범위는 의약품에 대한 건강 효과, 금융 분야에서의 주가, 고성능 컴퓨터 전력 사용 예측에서부터 유전자 발현에 중요한 조절기를 분석하는 것까지 다양합니다. 본 강의에서는 예측 및 특성 선택 태스크를 위한 정규화된 선형 회귀 모델에 대해 알아봅니다. 매우 큰 특성의 집합을 처리하고 다양한 복잡도 모델 중 선택할 수 있습니다. 또한 이상치와 같은 데이터의 양상이 선택한 모델과 예측값에 주는 영향도 분석합니다. 이와 같은 모델을 피팅하기 위해 큰 데이터 세트에 따라 확장하는 최적화 알고리즘을 구현해 봅니다. 학습 목표: 본 강의를 끝내면 여러분은: -회귀 모델의 입력과 출력을 설명할 수 있습니다. -데이터를 모델링할 때 편향과 분산을 비교 및 대조할 수 있습니다. -최적화 알고리즘을 사용하여 모델 매개변수를 예상할 수 있습니다. -교차 검증을 사용하여 매개변수를 조정할 수 있습니다. -모델의 성능을 분석할 수 있습니다. -희소성의 개념과 라쏘가 희소 해로 이어지는 방법을 설명할 수 있습니다. -모델 중 선택할 방법을 배포할 수 있습니다. -모델을 활용하여 예측을 형성할 수 있습니다. -주택 데이터 세트를 사용하여 가격을 예측하는 회귀 모델을 구축할 수 있습니다. -이와 같은 기술을 Python에서 구현할 수 있습니다.

Навыки, которые вы освоите

Учитесь у экспертов

Carlos Guestrin

Amazon Professor of Machine Learning