प्रतिगमन एक मॉडलिंग कार्य है जिसमें एक इनपुट दिए गए संख्यात्मक मान की भविष्यवाणी करना शामिल है।
रैखिक प्रतिगमन प्रतिगमन के लिए मानक एल्गोरिथ्म है जो इनपुट और लक्ष्य चर के बीच एक रैखिक संबंध मानता है। रैखिक प्रतिगमन का विस्तार प्रशिक्षण के दौरान हानि फ़ंक्शन में दंड जोड़ने का आह्वान करता है जो छोटे गुणांक वाले सरल मॉडल को प्रोत्साहित करता है। इन विस्तारों को नियमित रैखिक प्रतिगमन या दंडित रैखिक प्रतिगमन के रूप में संदर्भित किया जाता है।
रिज रिग्रेशन एक लोकप्रिय प्रकार का नियमित रैखिक प्रतिगमन है जिसमें L2 दंड शामिल है। यह उन इनपुट चर के लिए गुणांक को कम करने का प्रभाव है जो भविष्यवाणी कार्य में ज्यादा योगदान नहीं देते हैं।
इस ट्यूटोरियल में, आप सीखेंगे कि पायथन में रिज रिग्रेशन मॉडल को कैसे विकसित और मूल्यांकन किया जाए।
इस ट्यूटोरियल को पूरा करने के बाद, आप जानेंगे:
- रिज रिग्रेशन रैखिक प्रतिगमन का एक विस्तार है जो प्रशिक्षण के दौरान नुकसान समारोह में नियमितीकरण दंड जोड़ता है।
- रिज रिग्रेशन मॉडल का मूल्यांकन कैसे करें और नए डेटा के लिए भविष्यवाणियां करने के लिए अंतिम मॉडल का उपयोग करें।
- ग्रिड खोज के माध्यम से और स्वचालित रूप से एक नए डेटासेट के लिए रिज रिग्रेशन मॉडल को कैसे कॉन्फ़िगर करें।
आएँ शुरू करें।
#पायथन मशीन लर्निंग #पायथन
Machinelearningmastery.com
पायथन में रिज रिग्रेशन मॉडल कैसे विकसित करें
पायथन में रिज रिग्रेशन मॉडल कैसे विकसित करें। इस ट्यूटोरियल में, आप सीखेंगे कि पायथन में रिज रिग्रेशन मॉडल को कैसे विकसित और मूल्यांकन किया जाए।