Orange Data Mining. Линейная и логистическая регрессии

Orange Data Mining. Линейная и логистическая регрессии 00:00:00 Введение в линейную регрессию • Линейная регрессия выявляет линейную закономерность в данных. • Используется для предсказания будущих или прошлых значений. • Пример: анализ цены вина с учетом зимних дождей, среднессезонной температуры и других факторов. 00:00:49 Пример анализа цены вина • Данные за 1952-1978 годы. • Важные показатели: зимние дожди, среднессезонная температура, дождь во время сбора урожая, выдержка вина. • Математическая статистика превосходит экспертные мнения. 00:02:25 Применение линейной регрессии в Excel • Подключение файла данных и назначение целевых значений. • Линейная регрессия без регуляризации дает коэффициент обучения 0.82. • Коэффициенты: а = -3.43, b = 0.01, c = 0.6, d = 0.39, e = 0.0001. 00:03:49 Предсказание цены вина • Использование коэффициентов для предсказания цены. • Сравнение фактической и предсказанной цены. • Ошибки составляют около 4%, что считается хорошим результатом. 00:06:03 Пример предсказания продолжительности жизни • Данные по странам: площадь, население, продолжительность жизни, валовый национальный доход ВНД. • Качество модели 0.99, что позволяет предсказывать продолжительность жизни с высокой точностью. • Визуализация коэффициентов и их значимости. 00:09:22 Разделение данных на обучающие и тестовые выборки • Использование внешних баз данных для обучения и тестирования. • Пример базы данных по лесным пожарам. • Разделение данных на 80% для...