Описательная статистика и регрессия

Подходы к МО

Регрессия

Математические основы машинного обучения

Модель обучения

Откуда берутся данные

Что? Где? Когда?

Сенсоры

Запросы и соц.сети

Хранение данных

Математическая статистика
Математическая статистика – наука о данных и методах их обработки.
Описательная статистика позволяет обобщить первичные результаты, полученные при сборе данных.
Помогает компактно описать данные, понять их структуру, провести классификацию.

Задача описательной статистики
С использованием математических методов, свести сотни значений выборки к нескольким итоговым показателям, которые дают представление о выборке.

Визуализация данных
Позволяет увидеть, как входные признаки Х связаны с целевой переменной Y.
Служит ориентиром при построении модели.

Регрессия
Цель: прогнозирование непрерывных параметров какого-либо объекта.
Данный тип задач лежит в основе решения следующих проблем:
Прогнозирование стоимости ценных бумаг
Анализ спроса или объёма продаж
Установление медицинских диагнозов
Выявление любых зависимостей числа от времени
Определение стоимости автомобиля по его пробегу
Прогнозирование количества пробок на дорогах в зависимости от времени суток.

Решении регрессии
Чтобы решить задачу регрессии, требуется построить алгоритм, так называемый регрессор.
Этот алгоритм сможет спрогнозировать значение интересующей переменной. Это и будет результат работы машинного обучения — предсказание или, как обычно говорят, прогноз.
Обработав набор данных, алгоритм вернет число, максимально близкое к настоящему ответу.

Характер зависимости

Коэффициент корреляции

Степень корреляции