鐵人檔案
Machine Learning A-Z 是Udemy上的一門熱門資料科學課程
希望透過本競賽每日學習這門課
同時將筆記記錄下來分享給更多想學習的同學
建立模型的方法 上一篇只提到五種模型建立方法的前三種這裡我繼續把後面兩種說完 All-In Backward elimination Forward sele...
本次使用的範例是50間新創公司的成本, 地點與盈利這是一個相當實際的例子, 有機會能讓投資者or引導者下對的決策R&D Spend: 研發花費Admin...
這是學習多元線性回歸的實作第三篇繼上一篇提到資料前處理的操作今天會正式進入回歸的主題 All-In 方法 下面我們開始用regressor 內建函式做多元線性回...
Polynomial Linear Regression 多項式線性回歸 目前為止我們學過了 Simple Linear Regression : y =...
Example 左邊是我們今天要處理的資料範例今天的故事是A公司ＨＲ想要知道某位面試者說他在前公司的薪資是160000的真實性有多高於是他想利用machine...
上一篇我們已經對數據做好前處理現在我們會做兩種回歸 線性回歸 多項式回歸最後會比較這兩種差異 線性回歸 首先我們創建LinearRegression 物件並...
今天繼續上一篇的範例我們已經建好模型了今天要來改善線的平滑度與測試模型 改善線的平滑度 在試過好幾的degree後可以發現用degree=4 會讓模型結果更接近...
R squared (R平方) R平方(R squared)又稱為判定係數(coefficient of determination)是一種衡量回歸模型表現的指...
這邊引用上課教材來說明 問題：原本的Ｒ平方： 目標是找b0, b1, b2 參數使得剩餘平方和最小現在：增加一個自變量到多元線性模型中, 擬合效果會變好還是變差...
今天要探討的是我在**[Day13] 多元線性回歸(05) - Example** 中的問題延伸還記得這個例子我用的是Backward Elimination...
