Линейная регрессия против полиномиальной регрессии | Проект по искусственному интеллекту/машинном...

В этом учебном проекте по машинному обучению на Python мы создаём полноценную систему прогнозирования потребительских расходов с использованием линейной и полиномиальной регрессии (scikit-learn). Это комплексный проект по машинному обучению на Python.

Это видео представляет собой портфолио-проект в стиле курса по Python и идеально подходит для начинающих пользователей Python, аналитиков данных и начинающих специалистов по обработке данных, которые хотят изучить Python для работы с данными и машинным обучением на примере реального мира.

Вы изучите анализ данных с помощью Python, используя pandas и NumPy, выполните визуализацию данных с помощью matplotlib и примените основные методы машинного обучения, такие как one-hot кодирование, масштабирование признаков и оценка модели.

В этом проекте по обработке данных мы следуем реальному комплексному рабочему процессу машинного обучения, что делает его идеальным как для портфолио, так и для практического проекта по машинному обучению на Python.

Темы, рассматриваемые в этом видео:
Программирование на Python для анализа данных
Изучение Python для начинающих и пользователей среднего уровня
Линейная регрессия в Python
Полиномиальная регрессия (sklearn)
Масштабирование признаков в машинном обучении (StandardScaler)
Однократное кодирование в Python
Анализ данных с помощью Python (pandas и NumPy)
Визуализация данных с использованием matplotlib
Оценка модели (MSE, RMSE, R²)
Сравнение линейной и полиномиальной регрессии
Рабочий процесс реального проекта по анализу данных

#pythonprogramming
#machinelearning