《機(jī)器學(xué)習(xí)項(xiàng)目案例開發(fā)》課件 2.1使用多元線性回歸預(yù)測(cè)廣告收入-數(shù)據(jù)分析_第1頁
《機(jī)器學(xué)習(xí)項(xiàng)目案例開發(fā)》課件 2.1使用多元線性回歸預(yù)測(cè)廣告收入-數(shù)據(jù)分析_第2頁
《機(jī)器學(xué)習(xí)項(xiàng)目案例開發(fā)》課件 2.1使用多元線性回歸預(yù)測(cè)廣告收入-數(shù)據(jù)分析_第3頁
《機(jī)器學(xué)習(xí)項(xiàng)目案例開發(fā)》課件 2.1使用多元線性回歸預(yù)測(cè)廣告收入-數(shù)據(jù)分析_第4頁
《機(jī)器學(xué)習(xí)項(xiàng)目案例開發(fā)》課件 2.1使用多元線性回歸預(yù)測(cè)廣告收入-數(shù)據(jù)分析_第5頁
已閱讀5頁，還剩6頁未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

人工智能技術(shù)與應(yīng)用2.使用多元線性回歸預(yù)測(cè)廣告投入的收入課程概況—基本情況PART01多元線性模型項(xiàng)目概述歸一化和反歸一化多元線性模型模型的準(zhǔn)確率損失函數(shù)項(xiàng)目概述項(xiàng)目背景：

公司統(tǒng)計(jì)了近期公司在微信、微博、電視和其他廣告媒體上的投入，現(xiàn)在需要預(yù)測(cè)在廣告媒體上投入多少資金，公司能獲得多大的收益。在項(xiàng)目一種我們使用微型的投入預(yù)測(cè)公司的預(yù)期收入，但是公司在微博和其他媒體中也投入資金，現(xiàn)在需要預(yù)測(cè)在所有這個(gè)媒體上投入資金的收益就需要使用多元線性回歸模型。數(shù)據(jù)集：

特征：wechat、weibo、others標(biāo)簽：sales多元線性模型

歸一化歸一化和反歸一化：歸一化：在機(jī)器學(xué)習(xí)中，為何要經(jīng)常對(duì)數(shù)據(jù)做歸一化，歸一化后加快了梯度下降求最優(yōu)解的速度，歸一化有可能提高精度。我們?cè)谶@里使用線性歸一化。反歸一化：反歸一化函數(shù)用于數(shù)據(jù)的復(fù)原，保存y_min,y_max,y_gap，計(jì)算訓(xùn)練集最大，最小值以及他們的差，用于后面反歸一化過程，同時(shí)保留一份原始的數(shù)據(jù)。多元線性方程

梯度下降

梯度下降

梯度下降

準(zhǔn)確率準(zhǔn)確率：Acc：先計(jì)算預(yù)測(cè)值y_pred和實(shí)際值y的差值，并使用np.abs()求絕對(duì)值，然后使用np.mean()求全部距離的平均值，這是值是y_pred和實(shí)際值y的”

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論