Python与机器学习(第2版)(微课版) 课件 3-06-多元线性回归任务实施.pptx

Python与机器学习(第2版)(微课版) 课件 3-06-多元线性回归任务实施.pptx

  1. 1、本文档共12页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

课程负责人:陈清华;能力目标;使用多元线性回归对影评数据进行预测;;(1)多元线性回归与一元线性回归的本质区别在哪里?

(2)多元线性回归与一元线性回归的具体实现上有何异同?

(3)在电影分析数据中各个自变量的单位显然是不同的,因此自变量前系数的大小并不能说明该因素的重要程度。简单来说,同样为票房,如果用元作单位就比用万元作单位所得的回归系数要小,但是票房水平对评分的影响程度并没有变。一般地,会将各个自变量进行归一化处理。那么,自变量数值的单位大小对结果是否有影响?

(4)如何解释各个因素权重取值的不同?

(5)如何提升预测精确率?从先验知识入手,试想可否从其他维度预测评分?

(6)当自变量较多时,使用什么样的可视化手段展现并比较不同模型间的优劣?

(7)回归模型适用于哪些应用情境?;任务评价:;第1行:读取film.txt中的数据;任务解决方案;任务解决方案;第12行:拆分训练集和测试集。;第22行:显示预测值与测试值曲线;小结

文档评论(0)

balala11 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档