Aprendizado De Maquina Supervisionado Utilizando Regressao Linear Programado Em Python
Download Aprendizado De Maquina Supervisionado Utilizando Regressao Linear Programado Em Python PDF/ePub or read online books in Mobi eBooks. Click Download or Read Online button to get Aprendizado De Maquina Supervisionado Utilizando Regressao Linear Programado Em Python book now. This website allows unlimited access to, at the time of writing, more than 1.5 million titles, including hundreds of thousands of titles in various foreign languages.
Aprendizado De Máquina Supervisionado Utilizando Regressão Linear Programado Em Python
Author: Vitor Amadeu Souza
language: pt-BR
Publisher: Clube de Autores
Release Date: 2024-09-18
Este livro visa introduzir e explorar o conceito de Regressão Linear, usando para isso um dataset de notas de estudantes por horas de estudo. Ao analisar estes dados, o código será capaz de fornecer uma equação linear que demonstra que quanto mais horas de estudos, maior o conceito obtido por um estudante. Além de informar a equação linear, o código imprime a função demonstrando os dados e como a equação se relaciona com eles.
Aprendizado De Máquina Supervisionado Utilizando Regressão Logística Programado Em Python
Author: Vitor Amadeu Souza
language: pt-BR
Publisher: Clube de Autores
Release Date: 2024-09-17
Este livro visa introduzir e explorar o conceito de Classificação utilizando o algoritmo de Regressão Logística, aplicado a um cenário prático usando Python. O foco está em ensinar como utilizar essa técnica de aprendizado supervisionado para resolver problemas de classificação. Em particular, abordamos um exemplo prático de classificação de flores utilizando o famoso conjunto de dados Iris, demonstrando como a Regressão Logística pode ser usada para prever espécies de plantas com base em suas características morfológicas.
Projetos de ciência de dados com Python
Author: Stephen Klosterman
language: pt-BR
Publisher: Novatec Editora
Release Date: 2020-05-11
Projetos de ciência de dados com Python foi pensado para oferecer orientação prática sobre ferramentas padrão para análise de dados e machine learning em Python com a ajuda de dados reais. O curso o ajudará a entender como usar pandas e o Matplotlib para examinar criticamente um dataset com sínteses estatísticas e gráficos e extrair os insights que deseja obter. Você continuará adquirindo conhecimento ao aprender a preparar dados e a fornecê-los para algoritmos de machine learning, como o de regressão logística regularizada e o de floresta aleatória, usando o pacote scikit-learn. Também aprenderá como ajustar algoritmos para fornecer as melhores previsões sobre dados novos não conhecidos. À medida que percorrer os capítulos mais avançados, conhecerá o funcionamento e a saída desses algoritmos e entenderá melhor não só os recursos preditivos dos modelos, mas também o que os leva a fazer essas previsões. No fim do curso, você terá as habilidades necessárias para usar confiantemente vários algoritmos de machine learning a fim de executar análises de dados detalhadas e extrair insights significativos dos dados. Objetivos do livro: • Instalação dos pacotes necessários para a definição de um ambiente de codificação de ciência de dados • Carregamento de dados em um Jupyter Notebook executando Python • Uso do Matplotlib para a criação de visualizações de dados • Criação de um modelo com o uso do scikit-learn • Uso do lasso e da regressão ridge para dedução do overfitting • Criação e ajuste de um modelo de floresta aleatória e comparação do desempenho com o da regressão logística • Criação de visualizações com o uso da saída do Jupyter Notebook.