Apprendimento automatico: regressione

Descrizione

Case Study - Previsione dei prezzi delle case

Nel nostro primo caso di studio, prevedendo i prezzi delle case, creerai modelli che prevedono un valore continuo (prezzo) dalle caratteristiche di input (metratura, numero di camere da letto e bagni, ...). Questo è solo uno dei tanti punti in cui è possibile applicare la regressione. Altre applicazioni spaziano dalla previsione dei risultati di salute in medicina, i prezzi delle azioni nella finanza e l'utilizzo di energia nell'elaborazione ad alte prestazioni, all'analisi di quali regolatori sono importanti per l'espressione genica.

In questo corso, esplorerai i modelli di regressione lineare regolarizzati per l'attività di previsione e selezione delle caratteristiche. Sarai in grado di gestire set molto ampi di funzionalità e scegliere tra modelli di varia complessità. Analizzerai anche l'impatto di aspetti dei tuoi dati, come i valori anomali, sui modelli e sulle previsioni selezionati. Per adattare questi modelli, implementerai algoritmi di ottimizzazione che scalano a grandi set di dati.

Risultati di apprendimento: entro la fine di questo corso, sarai in grado di:
-Descrivere l'input e l'output di un modello di regressione.
-Confronta e contrappone bias e varianza durante la modellazione dei dati.
-Stimare i parametri del modello usando algoritmi di ottimizzazione.
-Accorda i parametri con validazione incrociata.
-Analizzare le prestazioni del modello.
-Descrivere il concetto di scarsità e come LASSO porta a soluzioni sparse.
-Distribuire i metodi per selezionare tra i modelli.
-Sfruttare il modello per formare previsioni.
-Costruisci un modello di regressione per prevedere i prezzi utilizzando un set di dati sugli alloggi.
-Implementa queste tecniche in Python.