मशीन लर्निंग में रिग्रेशन समस्या क्या है?

2024 लेखक: Lynn Donovan | [email protected]. अंतिम बार संशोधित: 2023-12-15 23:47

एक प्रतिगमन समस्या तब होती है जब आउटपुट चर a. होता है असली या निरंतर मूल्य, जैसे " वेतन "या" वजन "। बहुत विभिन्न मॉडलों का उपयोग किया जा सकता है, सबसे सरल रैखिक प्रतिगमन है। यह सबसे अच्छे हाइपर-प्लेन के साथ डेटा फिट करने की कोशिश करता है जो बिंदुओं से गुजरता है।

यह भी प्रश्न है, उदाहरण के साथ मशीन लर्निंग में रिग्रेशन क्या है?

वापसी मॉडल का उपयोग निरंतर मूल्य की भविष्यवाणी करने के लिए किया जाता है। घर की विशेषताओं जैसे आकार, कीमत आदि को देखते हुए एक घर की कीमतों की भविष्यवाणी करना आम बात है उदाहरण का वापसी . यह एक पर्यवेक्षित तकनीक है।

ऊपर के अलावा, मशीन लर्निंग में वर्गीकरण समस्या क्या है? में मशीन लर्निंग और सांख्यिकी, वर्गीकरण है संकट यह पहचानने के लिए कि किस श्रेणी (उप-आबादी) में से एक नया अवलोकन संबंधित है, डेटा के एक प्रशिक्षण सेट के आधार पर जिसमें अवलोकन (या उदाहरण) शामिल हैं, जिनकी श्रेणी सदस्यता ज्ञात है।

लोग यह भी पूछते हैं कि मशीन लर्निंग और रिग्रेशन में क्या अंतर है?

दुर्भाग्य से, वहाँ है जहाँ समानता प्रतिगमन के बीच बनाम वर्गीकरण मशीन लर्निंग समाप्त होता है। मुख्य के बीच अंतर उनमें यह है कि आउटपुट चर in वापसी संख्यात्मक (या निरंतर) है जबकि वर्गीकरण के लिए श्रेणीबद्ध (या असतत) है।

क्या मशीन लर्निंग सिर्फ रिग्रेशन है?

रैखिक वापसी निश्चित रूप से एक एल्गोरिथ्म है जिसका उपयोग किया जा सकता है मशीन लर्निंग . मशीन लर्निंग अक्सर पारंपरिक सांख्यिकीय मॉडल की तुलना में कई अधिक व्याख्यात्मक चर (विशेषताएं) शामिल होते हैं। शायद दर्जनों, कभी-कभी उनमें से सैकड़ों भी, जिनमें से कुछ कई स्तरों के साथ श्रेणीबद्ध चर होंगे।