文件名称：dsc-linalg-regression-codealong-online-ds-ft-120919
文件大小：263KB
文件格式：ZIP
更新时间：2024-04-15 12:09:23
JupyterNotebook
使用线性代数和NumPy进行回归分析-代码沿 介绍 在前面的部分中，您了解了在统计建模中，回归分析是用于估计数据实体（变量）之间的关系的一组统计过程。 线性回归是数据科学家工具箱中的重要预测分析工具。 在这里，您将尝试使用向量和矩阵运算从线性代数的角度开发回归的基本直觉。 本课程涵盖矩阵代数的最小二乘回归，而无需深入探讨几何尺寸。 。 在本课程中，我们将尝试使事情更多地面向数据。 目标 你将能够： 应用线性代数以使函数适合数据，描述输入和输出变量之间的线性映射 指出线性代数与回归建模之间的关系 回归分析 到目前为止，您已经知道，回归过程的目的是将数学模型拟合到一组观测点，以便以后使用该模型来预测新值，例如，基于历史销售数字预测销售，基于价格预测房价根据房屋的不同特征等 让我们使用一个非常简单的玩具示例来了解它如何与线性代数一起使用。 假设您正在收集某些企业每天的销售总数数据。 假设您有
【文件预览】：
dsc-linalg-regression-codealong-online-ds-ft-120919-master
----.gitignore(64B)
----images()
--------new_regression.png(46KB)
--------new_LinRegresChart.png(120KB)
--------regr_line.png(20KB)
--------mat.png(13KB)
--------new_regr_line.png(43KB)
--------regr.jpg(27KB)
----LICENSE.md(1KB)
----CONTRIBUTING.md(2KB)
----README.md(13KB)
----.learn(86B)
----index.ipynb(16KB)