(1) 收集数据:采用任意方法收集数据。
(2) 准备数据:回归需要数值型数据,标称型数据将被转成二值型数据。
(3) 分析数据:绘出数据的可视化二维图将有助于对数据做出理解和分析,在采用缩减法
求得新回归系数之后,可以将新拟合线绘在图上作为对比。
(4) 训练算法:找到回归系数。
(5) 测试算法:使用R2
或者预测值和数据的拟合度,来分析模型的效果。
(6) 使用算法:使用回归,可以在给定输入的时候预测出一个数值,这是对分类方法的提
升,因为这样可以预测连续型数据而不仅仅是离散的类别标签。
预测数值型数据-回归
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。
推荐阅读更多精彩内容
- 第二部分 利用回归预测数值型数据 第 8 章 预测数值型数据:回归 [TOC] 本章内容 线性回归 局部加权线性回...
- 第8章 预测数值型数据:回归 回归(Regression) 概述 我们前边提到的分类的目标变量是标称型数据,而回归...
- 回归是监督方法的延续,而回归与分类不同,在于其目标变量是连续数值。 8.1 用线性回归找到最佳拟合直线 回归的目的...
- 第八章 预测数值型数据:回归(代码) 线性回归算法的优缺点优点:结果容易理解,计算上下不复杂缺点:对非线性问题数据...