知识卡片
第10章小结
本章学用简单回归建模单解释变量与连续目标的关系、用 EDA 发现模式与异常点、用梯度下降构建并实现首个线性回归、用 scikit-learn 线性回归与 RANSAC 鲁棒模型、用 MSE 与 R² 评估性能、用残差图诊断问题、用正则化降复杂度防过拟合、用多项式特征与随机森林回归建模非线性。前面章节详述了监督学习/分类/回归,下一章转向无监督学习的聚类分析。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 使用回归分析预测连续型目标变量 · 查看原书依据
我们讨论了如何将正则化方法应用于回归模型,以降低模型复杂度及避免过拟合
参考来源
- 位置:《Python机器学习》第10章《本章小结》(源文件:`../../book-sources/extracted/Python机器学习/_epub-src/OEBPS/Text/part0136.xhtml.xhtml)
- 结论依据:原文直接支撑上述要点。
- 原始内容:我们讨论了如何将正则化方法应用于回归模型,以降低模型复杂度及避免过拟合