TAILIEUCHUNG - Bài giảng Nhập môn Học máy và Khai phá dữ liệu - Chương 3: Hồi quy tuyến tính (Linear regression)

Bài giảng Nhập môn Học máy và Khai phá dữ liệu - Chương 3: Hồi quy tuyến tính (Linear regression). Chương này cung cấp cho học viên những nội dung về: học có giám sát (Supervised learning); hồi quy tuyến tính; học hàm hồi quy; hàm đánh giá lỗi (loss function); hàm lỗi thực nghiệm; . Mời các bạn cùng tham khảo chi tiết nội dung bài giảng! | 1 Nhập môn Học máy và Khai phá dữ liệu IT3190 2 Nội dung môn học Lecture 1 Giới thiệu về Học máy và khai phá dữ liệu Lecture 2 Thu thập và tiền xử lý dữ liệu Lecture 3 Hồi quy tuyến tính Linear regression Lecture 4 5 Phân cụm Lecture 6 Phân loại và Đánh giá hiệu năng Lecture 7 dựa trên láng giềng gần nhất KNN Lecture 8 Cây quyết định và Rừng ngẫu nhiên Lecture 9 Học dựa trên xác suất Lecture 10 Mạng nơron Neural networks Lecture 11 Máy vector hỗ trợ SVM Lecture 12 Khai phá tập mục thường xuyên và các luật kết hợp Lecture 13 Thảo luận ứng dụng học máy và khai phá dữ liệu trong thực tế 3 Học có giám sát Học có giám sát Supervised learning Tập dữ liệu học training data bao gồm các quan sát examples observations mà mỗi quan sát được gắn kèm với một giá trị đầu ra mong muốn. Mục đích là học một hàm vd một phân lớp một hàm hồi quy . phù hợp với tập dữ liệu hiện có và khả năng tổng quát hoá cao. Hàm học được sau đó sẽ được dùng để dự đoán cho các quan sát mới. Phân loại classification nếu đầu ra output y thuộc tập rời rạc và hữu hạn. Hồi quy regression nếu đầu ra output y là các số thực. 4 Hồi quy tuyến tính Giới thiệu Bài toán hồi quy cần học một hàm y f x từ một tập học cho trước D x1 y1 x2 y2 xM yM trong đó yi f xi với mọi i. Mỗi quan sát được biểu diễn bằng một véctơ n chiều chẳng hạn xi xi1 xi2 xin T. Mỗi chiều biểu diễn một thuộc tính attribute feature Mô hình tuyến tính nếu giả thuyết hàm y f x là hàm có dạng tuyến tính f x w0 w1x1 wnxn Học một hàm hồi quy tuyến tính thì tương đương với việc học véctơ trọng số w w0 w1 wn T 5 Hồi quy tuyến tính Ví dụ Hàm tuyến tính f x nào phù hợp . . Ví dụ 6 Phán đoán tương lai Đối với mỗi quan sát x x1 x2 xn T Giá trị đầu ra mong muốn cx Không biết trước đối với các quan sát trong tương lai Giá trị phán đoán bởi hệ thống yx w0 w1x1 wnxn Ta thường mong muốn yx xấp xỉ tốt cx Phán đoán cho quan sát tương lai z z1 z2 zn T Cần dự đoán giá .

• Cơ sở dữ liệu
• Bài giảng Nhập môn Học máy và Khai phá dữ liệu
• Nhập môn Học máy và Khai phá dữ liệu
• Hồi quy tuyến tính
• Linear regression
• Học có giám sát
• Thuật toán bình phương tối thiểu
• Học máy và khai phá dữ liệu
• Khai phá dữ liệu
• Kiểu dữ liệu có cấu trúc
• Kiểu dữ liệu phi cấu trúc
• Machine learning
• Data mining
• Khai phá tập mục thường xuyên
• Mô hình luật kết hợp
• Giải thuật Apriori
• Khai phá luật kết hợp
• Phương pháp học máy
• Thư viện Scikit learn
• Học dựa trên xác suất
• Thu thập dữ liệu
• Tiền xử lý dữ liệu
• Lựa chọn dữ liệu
• Chuyển đổi dữ liệu
• Tập dữ liệu
• Dữ liệu chuỗi di truyền
• Biểu đồ histogram
• Đánh giá hiệu năng hệ thống học máy
• Multi class classification
• Multi label classification
• Quá trình học máy
• Phương pháp học hồi quy
• Phương pháp học quy nạp luật
• Phương pháp học cây quyết định
• Máy vector hỗ trợ (SVM)
• Phân tách tuyến tính
• Tập điều kiện Karush Kuhn Tucker
• Biểu thức đối ngẫu
• Đánh giá hiệu năng hệ thống
• Tiêu chí đánh giá hiệu năng hệ thống
• Nguyên lý Occam’s razor
• Máy vectơ hỗ trợ
• Support vector machine
• Mặt siêu phẳng phân tách
• Lý thuyết tối ưu có ràng buộc
• Bài toán phân lớp
• Học dựa trên các láng giềng gần nhất
• Nearest neighbors learning
• Giải thuật phân lớp k NN
• Bài toán phân cụm
• Phân cụm dựa trên phân tách k Means
• Phân cụm phân cấp HAC
• Cây quyết định
• Rừng ngẫu nhiên
• Học cây quyết định bằng ID3
• Biểu diễn cây quyết định
• Bài toán hồi quy
• Hàm đánh giá lỗi
• Giải thuật hồi quy tuyến tính
• Bài toán phát hiện luật kết hợp
• Chiến lược sinh tập mục thường xuyên
• Tập mục thường xuyên
• Mạng nơron nhân tạo
• Artificial neural network
• Mạng nơ ron học sâu
• Quy tắc học trọng số tổng quát
• Học dựa trên láng giềng gần nhất
• K nearest neighbors (k NN)
• Hàm tính khoảng cách
• Hàm khoảng cách Euclid
• Mô hình hóa xác suất
• Lý thuyết xác suất cơ bản
• Biến ngẫu nhiên nhị phân
• Naïve gradient decent
• Huấn luyện K means
• Thuật toán EM
• Phương pháp học dựa trên xác suất
• Probabilistic learning
• Biến ngẫu nhiên đa trị
• Biểu diễn xác suất
• Decision tree
• Học cây quyết định
• Mạng nơron
• Neural networks
• Mạng nơ ron nhân tạo
• Giải thuật học lan truyền ngược
• Giải thuật phân cụm
• Đánh giá chất lượng phân cụm
• Phương pháp K means
• Thuật toán Online K means