Основная концепция регрессии для начинающих (Машинное обучение) - PullRequest
Новая
       20

Основная концепция регрессии для начинающих (Машинное обучение)

0 голосов
/ 24 марта 2020

Я новичок в машинном обучении. Я прошу прощения, если вопрос выглядит немного грязным. Эта структура (https://www.tensorflow.org/tutorials/keras/regression) применяет нейронную сеть для решения проблемы регрессии, и у меня есть несколько вопросов.

dataset tail

Хвост набора данных показан выше. Последние 3 столбца используют однократное кодирование.

Question 1

Проверка данных показана выше. Вопрос 1) Зачем нам это нужно?

Question 2

После проверки он отделяет элементы от меток. Вопрос 2) Я понимаю концепцию y = mx1 + mx2 + ... + c в регрессии. У нас есть MPG, баллоны, объем, мощность и др. c. как наши функции (x1, x2, x3, x4 ...), но у нас нет меток (y) в наборе данных. Как мы должны проводить тренировку под надзором в этом случае? Что означает «отделить ярлык от элементов»?

Большое спасибо за чтение этого вопроса!

1 Ответ

1 голос
/ 24 марта 2020

Метки

Метки - это те данные, которые должны быть.
В вашем случае ваш ярлык выглядит как MPG, так что вы изучаете MPG по данным.
Объект № 1 имеет MPG 27, Объект № 2 имеет MPG 44 и так далее.

Функции

Особенности - это данные:
Объект № 1 может быть матрицей со следующими записями: {0,1; 1,0}, Объект № 2 может быть матрицей со следующими записями: {1,1; 1,0} и так далее.

Обратите внимание, что метки и функции могут иметь различные типы представлений в коде; важно, чтобы вы поняли концептуальную разницу.

Связь между объектами и метками

Вы хотите, чтобы алгоритм узнал, что матрицы, которые выглядят так или иначе, имеют определенный MPG, а матрицы, которые выглядят немного иначе, имеют другой MPG.

Для этого необходимо отделить метки (типы объектов, в данном случае MPG) от объектов (сами объекты, в данном случае данные каждого объекта, исключая MPG) в Чтобы узнать и предсказать MPG из данных.

...