記事「データサイエンスと機械学習(第07回)::多項式回帰」についてのディスカッション

 

新しい記事「データサイエンスと機械学習(第07回)::多項式回帰」はパブリッシュされました:

線形回帰とは異なり、多項式回帰は、線形回帰モデルでは処理できないタスクをより適切に実行することを目的とした柔軟なモデルです。MQL5で多項式モデルを作成し、そこから何か良いものを作る方法を見つけてみましょう。

回帰モデルはまだ終わっていません。少しの間戻ります。連載の最初の記事で述べたように、基本的な線形回帰は多くの機械学習モデルの基盤として機能します。今日は、多項式回帰として知られる、線形回帰とは少し異なるものについて説明します。

機械学習は多くの点で私たちの世界を大きく変えました。線形回帰、ロジスティック回帰、サポートベクターマシン、多項式回帰、およびその他の多くの手法など、分類および回帰問題の訓練データを学習するさまざまな方法があります。多項式回帰やサポートベクターマシンなどのいくつかのパラメトリック手法は、用途が広いことで際立っています。

単純な問題では単純な境界、複雑な問題では非線形の境界が作成されます。

線形および非線形の境界


作者: Omega J Msigwa