Regression Models: Training and Evaluation (İngilizce).

Nüfus değerlerini tahmin etmek - konut fiyatları, pazar eğilimleri veya müşteri ömrü değeri gibi - veri biliminde temel bir görevdir. Gerileme modellerini nasıl inşa edeceğimizi ve değerlendireceğimizi anlamak, makine öğrenmesinin üstesinden gelmek için gerekli ilk adımdır. Bu derste, bir başlangıçtan kendi kendinize eğitim ve kendi öngörü algoritmalarınızı doğrulamaya geçiş yapacaksınız. Verilerinizi nasıl hazırlayacağınızı, çeşitli gerileme modellerini nasıl eğiteceğinizi ve standart değerlendirme metriklerini kullanarak performanslarını eleştirel olarak değerlendireceğinizi öğreneceksiniz. Ne öğreneceksiniz: Bağımlı ve bağımsız değişkenler de dahil olmak üzere temel gerileme kavramlarını ve terminolojisini anlayacaksınız. Modern Python kütüphanelerini kullanarak sayısal veri kümelerini hazırlayın ve temizleyin. Paternleri tanımlamak ve doğru sayısal tahminler yapmak için doğrusal ve doğrusal olmayan gerileme modellerini eğitin. Ortalama Yanlışlık ve R-kare gibi anahtar metrikleri kullanarak model performansını değerlendirin. Modellerinizin görülmemiş verilere iyi bir şekilde genelleştirilmesini sağlamak için karşılıklı onaylama tekniklerini uygulayın. Model katsayılarını ve özelliklerin önemini tahminlerinizi açıklamak için yorumlayın. Ana kavramsal temelleri ve anahtar terminolojiyi keşfetmekle başlayacaksınız ve ardından pratik veri hazırlamaya dalacaksınız. Buradan, temel modelleri eğiterek, doğruluklarını değerlendirerek ve performansı iyileştirmek için onaylama tekniklerini uygulayarak ilerleyeceksiniz. Bu kurs, hedefli veri analistler, yazılım geliştiriciler ve makine öğrenimi yolculuğuna başlamak isteyen acemiler için tasarlanmıştır. Tahmin edici modelleme ile önceden bir deneyim gerekmez ve Python ile sadece temel bir tanıdıklık tavsiye edilir. Gerilemenin temel ilkelerini öğrenmek ve kendi öngörüsel modellerinizi oluşturmak için bugün okumaya başlayın.