ImageVerifierCode 换一换
格式:PPTX , 页数:41 ,大小:2.47MB ,
文档编号:3318196      下载积分:25 文币
快捷下载
登录下载
邮箱/手机:
温馨提示:
系统将以此处填写的邮箱或者手机号生成账号和密码,方便再次下载。 如填写123,账号和密码都是123。
支付方式: 支付宝    微信支付   
验证码:   换一换

优惠套餐
 

温馨提示:若手机下载失败,请复制以下地址【https://www.163wenku.com/d-3318196.html】到电脑浏览器->登陆(账号密码均为手机号或邮箱;不要扫码登陆)->重新下载(不再收费)。

已注册用户请登录:
账号:
密码:
验证码:   换一换
  忘记密码?
三方登录: 微信登录  
下载须知

1: 试题类文档的标题没说有答案,则无答案;主观题也可能无答案。PPT的音视频可能无法播放。 请谨慎下单,一旦售出,概不退换。
2: 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。
3: 本文为用户(三亚风情)主动上传,所有收益归该用户。163文库仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!。
4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
5. 本站仅提供交流平台,并不能对任何下载内容负责。
6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

版权提示 | 免责声明

1,本文(机器学习04.简单线性回归实战课件.pptx)为本站会员(三亚风情)主动上传,163文库仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。
2,用户下载本文档,所消耗的文币(积分)将全额增加到上传者的账号。
3, 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(发送邮件至3464097650@qq.com或直接QQ联系客服),我们立即给予删除!

机器学习04.简单线性回归实战课件.pptx

1、人工智能基础-简单线性回归实战大纲回顾场景说明KNIME 建立工作流节点注释大纲回顾回归(Regression)简单线性回归偏置(Bias)权重(Weight)协变量(Covariance)特征(Feature)响应,应变量(Response)标记(Label)大纲场景说明场景说明 根据工作年限与工资的对应关系表,找出二者之间的关系,并预测“未知”工作年限时,工资会有多少。大纲KNIME 建立工作流机器学习工作流程数据获取数据处理模型训练模型测试模型优化KNIME建立工作流数据获取数据处理模型训练模型测试模型优化KNIME建立工作流KNIME建立工作流 导入数据待设置,且有警告已设置,待运行这

2、个节点状态是是什么待运行正在运行已运行错误单选题1分KNIME建立工作流 观察数据选中刚建的节点工具栏“运行按钮”已运行KNIME建立工作流 数据可视化KNIME建立工作流数据获取数据处理模型训练模型测试模型优化KNIME建立工作流 已有数据划分为训练数据和测试数据 训练数据:训练模型 测试数据:测试模型KNIME建立工作流 训练 已知 x 和 y,求 b 和 wKNIME建立工作流 测试 根据训练出来的 b 和 w,使用没有参加训练的 x 预测 y 是多少,然后比较这个预测的 y 与真实的 y 的差别KNIME建立工作流 数据划分:训练集,测试集数据训练数据(多数)训练模型测试数据(少数)测

3、试模型新的数据预测现有数据KNIME建立工作流 数据划分:训练集,测试集数据训练数据(多数)上课听讲测试数据(少数)课后作业新的数据考试现有数据下列关于数据的说法正确的是训练数据应该多于测试数据测试数据可有可无训练数据用来训练模型测试数据包括完整的特征和标记数据,所以测试数据也可以用来训练模型多选题2分KNIME建立工作流 数据划分:训练集,测试集数据划分训练集:75%,测试集:25%KNIME建立工作流数据获取数据处理模型训练模型测试模型优化KNIME建立工作流 建立模型 设置特征和目标使用线性回归模型设置目标和特征KNIME建立工作流 建立模型 运行模型KNIME建立工作流 解释模型模型K

4、NIME建立工作流 解释模型 Intercept:没有工作经验的话,能拿多少钱 Coeff.:每增加一年工作经验,工资涨多少?你觉得你想这两数怎么变?如果这是你的个人数据预测结果你希望?斜率更大Intercept更大斜率更小Intercept更小投票最多可选2项KNIME建立工作流 解释模型R-Squared(决定系数)越接近 1 越好P值(P Value)越小越好一般小于0.05的才算小P 值某参数w可能取值0但是仍然有可能取 0模型建立以后,权重 w 如果是 0 的话,模型其实没什么用权重 w 有可能是 0 吗P 值某参数w可能取值0但是仍然有可能取 0模型建立以后,权重 w 如果是 0

5、的话,模型其实没什么用权重 w 有可能是 0 吗P 值零假设:假设参数就是 0p值检验零假设成立的可能性。p值若与选定显著性水平(0.05或0.01)相比更小,则零假设会被否定而不可接受。某参数w可能取值0W 有多大可能是 0?KNIME建立工作流数据获取数据处理模型训练模型测试模型优化KNIME建立工作流 验证及测试模型模型新的输入历史数据未知训练预测KNIME建立工作流 验证及测试模型 预测:将测试数据输入已训练模型输入训练好的模型输入测试数据KNIME建立工作流 验证及测试模型 查看预测效果KNIME建立工作流 对比真实数据与测试数据KNIME节点注释 提高可读性损失函数损失函数(loss function,cost function)是用来估量模型的预测值与真实值的不一致程度一个非负实值函数损失函数越小,模型的稳健性就越好。我们会通过叫做梯度下降算法的方法使损失函数最小化,从而优化模型。对于线性回归问题,R2很常用(统计方法)都是损失函数,一般看MSE就行了https:/ R2来优化模型小结&提问 KNIME可以方便的建立机器学习工作流 KNIME可以方便的查看模型效果

侵权处理QQ:3464097650--上传资料QQ:3464097650

【声明】本站为“文档C2C交易模式”,即用户上传的文档直接卖给(下载)用户,本站只是网络空间服务平台,本站所有原创文档下载所得归上传人所有,如您发现上传作品侵犯了您的版权,请立刻联系我们并提供证据,我们将在3个工作日内予以改正。


163文库-Www.163Wenku.Com |网站地图|