Introdução
Regressão é quando os modelos preveem um número.
Em machine learning, a meta da regressão é criar um modelo que possa prever um valor numérico e quantificável, como preço, valor, tamanho ou outro número escalar.
A regressão é uma técnica estatística de importância fundamental para a ciência devido à sua facilidade de interpretação, robustez e velocidade no cálculo. Os modelos de regressão fornecem uma base excelente para entender como funcionam as técnicas de machine learning mais complexas.
Em situações reais, especialmente quando há poucos dados disponíveis, os modelos de regressão são muito úteis para fazer previsões. Por exemplo, se uma empresa que aluga bicicletas quiser prever o número esperado de locações em um determinado dia no futuro, um modelo de regressão poderá prever esse número. Você pode criar um modelo usando dados existentes, como o número de bicicletas locadas nos dias em que a estação, o dia da semana e assim por diante também foram registrados.
Pré-requisitos
- Conhecimento de matemática básica
- Alguma experiência de programação em Python
- Familiarizar-se com os notebooks Jupyter
Objetivos de aprendizagem
Neste módulo, você vai:
- Quando usar modelos de regressão.
- Como treinar e avaliar modelos de regressão usando a estrutura Scikit-Learn.