Результаты примененных алгоритмов

«Молодой учёный»
.
№ 24 (366)
 .
Июнь 2021 г.
16
Информационные технологии
Коэффициенты алгоритмов Linear Regression, LASSO 
и Bayesian Ridge практически идентичны, качество выбранных 
методов также почти не отличается, следовательно, использо-
вание каких-то других методов помимо обычной линейной ре-
грессии нецелесообразно, т. к. это не даст нам никакого особого 
выигрыша в данной задаче.
Литература:
1. ASHRAE — Great Energy Predictor III // Kaggle URL: https://www.kaggle.com/c/ashrae-energy-prediction (дата обращения: 
15.02.2021).
2. Mathematical statistics functions URL: https://docs.python.org/3/library/statistics.html (дата обращения: 16.02.2021).
3. Python 3.8.0 documentation / Python 3.8.0 documentation URL: https://docs.python.org/3/ (дата обращения: 15.02.2021).
4. Linear Regression URL: http://www.stat.yale.edu/Courses/1997–98/101/linreg.htm (дата обращения: 22.02.2021).
5. A Complete understanding of LASSO Regression URL: https://www.mygreatlearning.com/blog/understanding-of-lasso-regression/ 
(дата обращения: 15.02.2021).
6. Bayesian linear regression URL: https://en.wikipedia.org/wiki/Bayesian_linear_regression (дата обращения: 16.02.2021).
7. Открытая библиотека машинного обучения scikit-learn. URL: https://scikit-learn.org/ (дата обращения: 16.03.2021).
8. Understanding Root Mean Squared Logarithmic Error (RMSLE) URL: https://www.kaggle.com/carlolepelaars/understand-
ing-the-metric-rmsle (дата обращения: 16.02.2021).

жүктеу/скачать 7,26 Mb.

Достарыңызбен бөлісу: