логика в методах fit () и Forex () для регрессии

Question

Может ли кто-нибудь объяснить, пожалуйста, понятие fit() и predict(), используемое в алгоритмах машинного обучения.

fit()- used to fit the data.
     output- LinearRegression(copy_X=True, fit_intercept=True, n_jobs=1, normalize=False)

Query1 = что такое внутренний подсчет для подгонки.На основании чего мы получаем вышеуказанный вывод после вызова метода fit().

predict() - используется для прогнозирования данных.

Query2 = какой здесь используется внутренний подсчет.

Это базовое концептуальное понимание, которое мне нужно.Любая помощь приветствуется.Спасибо.

Answer 1

В машинном обучении вы хотите создать модель реальной концепции. Например, есть большая вероятность, что есть корреляция между ростом растения и количеством воды, которое оно получает. fit () попытается вписать это соотношение в математическую формулу (= модель, упрощенная концепция реального мира). Подгонка означает, что алгоритм будет пытаться многократно корректировать свою оценку, основываясь на ошибке, допущенной в его предыдущем предположении.

Обратите внимание, что вы подразумеваете под своим вторым вопросом, но если вы спрашиваете, как работает линейная регрессия, вы можете проверить википедию: https://en.wikipedia.org/wiki/Linear_regression Это дает очень хорошее объяснение основной концепции.

Имейте в виду, однако, что LinearRegression () будет выполнять многопараметрическую линейную регрессию, так что это только линейные отношения в плоскости nDD, а не в 2D.

Answer 2

Я изучил логистическую регрессию (машинное обучение), прочитав очень интересную книгу, которая дает вам некоторые основы, но также дает вам сложные алгоритмы. Вы можете найти примеры кода по адресу: https://github.com/rasbt/python-machine-learning-book/tree/master/code, в главе 3 вы найдете логистическую регрессию, но не алгоритм. В любом случае, метод fit () используется для адаптации данных в алгоритме, он предназначен только для него, и, насколько я знаю, алгоритма нет, это просто для целей «организации». Метод предиката () в логистической регрессии использует сигмоидную функцию и логарифмическое выражение. Теперь я не помню алгоритмы вычислений (извините), но я могу получить несколько наших.