Aprende en Comunidad
Avalados por :
Compreensão do Algoritmo de Regressão Linear na Modelagem de Dados: Um Guia Passo a Passo com Exemplos
- Creado 01/03/2024
- Modificado 01/03/2024
- 3 Vistas
0
Cargando...
Este blog explicará o algoritmo de Regressão Linear, uma maneira de alcançar a modelagem de dados (quarto passo no modelo CRISP-DM)
CRISP-DM: O Processo Padrão da Indústria Cruzada para Mineração de Dados fornece uma abordagem estruturada para planejar um projeto de mineração de dados. Este modelo é uma sequência idealizada dos eventos mencionados abaixo:
A Modelagem de Dados usa algoritmos de aprendizado de máquina, nos quais a máquina aprende com os dados. É como os humanos aprendem com sua experiência.
Os modelos de Aprendizado de Máquina são classificados em duas categorias:
Por exemplo, prever o desempenho de uma empresa em termos de receita com base em dados históricos é um problema de regressão e classificar se uma pessoa é provável de não pagar um empréstimo é um problema de classificação.
Como a regressão funciona?
Vamos considerar um exemplo, uma empresa poderia prever suas vendas com base no dinheiro que investem em publicidade.
Dados anteriores de gastos com publicidade e vendas reais
Gostaria de saber se está gastando X quantidade em publicidade, então qual seria sua vendas.
Lembre-se sempre que a expertise de domínio ajuda a encontrar os resultados de previsão corretos. Além disso, a expertise de domínio da equipe de publicidade da empresa pode dar uma ideia aproximada sobre o efeito da mudança nos gastos com publicidade na mudança nas vendas. Mas para descobrir exatamente qual montante de vendas seria gerado e saber se existe ou não uma relação entre os gastos com publicidade e as vendas; você pode usar o algoritmo de regressão para construir um modelo e fazer uma previsão.
Vamos tentar plotar um gráfico de Gastos com Publicidade versus Vendas
Variável Independente: Variável no eixo X que é usada para previsão é variável independente.
Variável Dependente: Variável no eixo Y que queremos prever é uma variável dependente.
Equação de uma linha reta y = mx + c, onde m é a inclinação da linha e c é a interceptação.
Qual é a importância de m e c na equação de uma linha reta?
m significa a força da relação entre X e Y.
c no exemplo acima significa a quantidade de Vendas quando nenhum dinheiro é gasto em Publicidade, ou seja, quando X = 0.
Linha de Melhor Ajuste: A linha que melhor se ajusta ao gráfico de dispersão. O que significa melhor ajuste e como determinar se uma linha é de melhor ajuste ou não?
Residual: Residual é usado para encontrar a linha de melhor ajuste. Cada ponto de dados tem um valor residual que é a diferença entre o valor real e o valor previsto (o valor do ponto na linha). Vamos denotar isso por E (erro)
E = Real Previsto (para cada ponto de dados)
Minimize o quadrado do erro total, ou seja, minimize e1 2 + e2 2 + + en 2 .
Isso também é chamado de Soma dos Quadrados dos Resíduos (RSS). Portanto, escolha o valor de m e c de tal forma que reduza o valor de RSS.
Vamos escrever E em termos de m e c.
E = e i = y i (real) ypred
ei = y i mx i c
Em modelos de Aprendizado de Máquina, uma função de custo é definida para um problema e então é minimizada ou maximizada de acordo com a necessidade. No caso da regressão descrita acima, a função de custo é a Soma dos Quadrados dos Resíduos.
Como minimizar uma função de custo?
CRISP-DM: O Processo Padrão da Indústria Cruzada para Mineração de Dados fornece uma abordagem estruturada para planejar um projeto de mineração de dados. Este modelo é uma sequência idealizada dos eventos mencionados abaixo:
- Compreensão do Negócio
- Compreensão dos Dados
- Preparação dos Dados
- Modelagem de Dados
- Avaliação do Modelo
- Implantação do Modelo
A Modelagem de Dados usa algoritmos de aprendizado de máquina, nos quais a máquina aprende com os dados. É como os humanos aprendem com sua experiência.
Os modelos de Aprendizado de Máquina são classificados em duas categorias:
- Método de aprendizado supervisionado: Este método possui dados históricos com rótulos. Algoritmos de Regressão e Classificação estão sob esta categoria.
- Métodos de aprendizado não supervisionado: Nenhum rótulo pré-definido é atribuído aos dados históricos. Algoritmos de Agrupamento estão sob esta categoria.
Por exemplo, prever o desempenho de uma empresa em termos de receita com base em dados históricos é um problema de regressão e classificar se uma pessoa é provável de não pagar um empréstimo é um problema de classificação.
Como a regressão funciona?
Vamos considerar um exemplo, uma empresa poderia prever suas vendas com base no dinheiro que investem em publicidade.
Dados anteriores de gastos com publicidade e vendas reais
| Gastos com publicidade (em milhares) | Vendas (em lakhs) |
| 20 | 11 |
| 30 | 23 |
| 11 | 6 |
| 14 | 7 |
| 45 | 44.4 |
Gostaria de saber se está gastando X quantidade em publicidade, então qual seria sua vendas.
Lembre-se sempre que a expertise de domínio ajuda a encontrar os resultados de previsão corretos. Além disso, a expertise de domínio da equipe de publicidade da empresa pode dar uma ideia aproximada sobre o efeito da mudança nos gastos com publicidade na mudança nas vendas. Mas para descobrir exatamente qual montante de vendas seria gerado e saber se existe ou não uma relação entre os gastos com publicidade e as vendas; você pode usar o algoritmo de regressão para construir um modelo e fazer uma previsão.
Vamos tentar plotar um gráfico de Gastos com Publicidade versus Vendas
Variável Independente: Variável no eixo X que é usada para previsão é variável independente.
Variável Dependente: Variável no eixo Y que queremos prever é uma variável dependente.
Equação de uma linha reta y = mx + c, onde m é a inclinação da linha e c é a interceptação.
Qual é a importância de m e c na equação de uma linha reta?
m significa a força da relação entre X e Y.
c no exemplo acima significa a quantidade de Vendas quando nenhum dinheiro é gasto em Publicidade, ou seja, quando X = 0.
Linha de Melhor Ajuste: A linha que melhor se ajusta ao gráfico de dispersão. O que significa melhor ajuste e como determinar se uma linha é de melhor ajuste ou não?
Residual: Residual é usado para encontrar a linha de melhor ajuste. Cada ponto de dados tem um valor residual que é a diferença entre o valor real e o valor previsto (o valor do ponto na linha). Vamos denotar isso por E (erro)
E = Real Previsto (para cada ponto de dados)
Minimize o quadrado do erro total, ou seja, minimize e1 2 + e2 2 + + en 2 .
Isso também é chamado de Soma dos Quadrados dos Resíduos (RSS). Portanto, escolha o valor de m e c de tal forma que reduza o valor de RSS.
Vamos escrever E em termos de m e c.
E = e i = y i (real) ypred
ei = y i mx i c
Em modelos de Aprendizado de Máquina, uma função de custo é definida para um problema e então é minimizada ou maximizada de acordo com a necessidade. No caso da regressão descrita acima, a função de custo é a Soma dos Quadrados dos Resíduos.
Como minimizar uma função de custo?
- Diferencie a função de custo e a iguale a zero.
- Descida do Gradiente; comece com algum valor de m e c e, em seguida, mova iterativamente para valores melhores de m e c para minimizar a função de custo.
Pedro Pascal
Se unió el 07/03/2018
Facebook
Twitter
Pinterest
Telegram
Linkedin
Whatsapp
Sin respuestas
No hay respuestas para mostrar
Se el primero en responder
contacto@primeinstitute.com
(+51) 1641 9379
(+57) 1489 6964
© 2024 Copyright. Todos los derechos reservados.
Desarrollado por Prime Institute
Hola ¿Puedo ayudarte?