Проблема регрессии - источник изображения - Стэнфорд
Posted: Sat Feb 01, 2025 7:12 am
Точки данных в регрессии имеют непрерывные значения, например, «от 10 000 до 50 000 долларов США».
Проблема регрессии
На изображении показано, как через все точки данных проводится прямая линия, чтобы изобразить линейную зависимость, которая называется линейной регрессией.
Теперь, если система встречает значение некоторые ключевые особенности band возраста, скажем, 10, для которого у нас нет примеров обучающих данных, система все равно может предсказать числовое непрерывное значение, например 1,3–1,4, на основе исторической взаимосвязи.
Шаги, необходимые для контролируемого обучения
1. Определите тип обучающих примеров
Например, выбор типа изображений обуви и носков или примеров кошек и собак, которые будут использоваться для обучения.
2. Подготовка/собор данных для обучения
Все входные и выходные значения в маркированной форме должны быть собраны. Набор должен быть репрезентативным для реальных приложений функции.
Например, если в реальном мире собак определенной породы насчитывается 30%, то в обучающих данных этот процент не должен составлять 60%.
Даже для полуконтролируемого обучения, хотя большая часть данных не маркирована, они все равно должны быть релевантны реальным условиям.
Проблема регрессии
На изображении показано, как через все точки данных проводится прямая линия, чтобы изобразить линейную зависимость, которая называется линейной регрессией.
Теперь, если система встречает значение некоторые ключевые особенности band возраста, скажем, 10, для которого у нас нет примеров обучающих данных, система все равно может предсказать числовое непрерывное значение, например 1,3–1,4, на основе исторической взаимосвязи.
Шаги, необходимые для контролируемого обучения
1. Определите тип обучающих примеров
Например, выбор типа изображений обуви и носков или примеров кошек и собак, которые будут использоваться для обучения.
2. Подготовка/собор данных для обучения
Все входные и выходные значения в маркированной форме должны быть собраны. Набор должен быть репрезентативным для реальных приложений функции.
Например, если в реальном мире собак определенной породы насчитывается 30%, то в обучающих данных этот процент не должен составлять 60%.
Даже для полуконтролируемого обучения, хотя большая часть данных не маркирована, они все равно должны быть релевантны реальным условиям.