선형 회귀 모형에는 어떤 것이 있습니까?

선형 회귀 모형은 입력 피쳐와 출력 변수 간의 선형 관계를 기반으로 연속 변수를 예측하는 통계 방법입니다. 다음은 몇 가지 일반적인 선형 회귀 모형입니다.

1.simplelinearregression: 입력 피쳐 하나와 출력 변수 하나만 있는 가장 간단한 선형 회귀 모형입니다. 데이터에 가장 적합한 선형 방정식을 찾으려고 합니다.

2.MultipleLinearRegression: 여러 입력 피쳐와 하나의 출력 변수가 있는 보다 복잡한 선형 회귀 모형입니다. 데이터에 가장 적합한 다중 선형 방정식을 찾으려고 합니다.

3.RidgeRegression: 과도한 맞춤을 방지하기 위해 정규화된 다중 선형 회귀입니다. 이는 손실 함수에 L2 일반 항목을 추가하여 수행됩니다.

4.Lasso 회귀: 정규화된 다중 선형 회귀의 모형으로, 과도하게 맞추는 것을 방지하고 피쳐 선택을 가능하게 합니다. 손실 함수에 일반 항목 L 1 을 추가하여 수행됩니다.

5.RidgeRegression: 과도한 맞춤을 방지하기 위해 정규화된 다중 선형 회귀입니다. 이는 손실 함수에 L2 일반 항목을 추가하여 수행됩니다.

6.ElasticNetRegression: 이 모델은 Lasso 와 Ridge 의 결합으로, 오버맞춤을 방지하고 피쳐 선택을 가능하게 합니다.

7.LogisticRegression: 이름에' 회귀' 라는 단어가 있지만 논리적 회귀는 실제로 회귀 알고리즘이 아닌 분류 알고리즘입니다. 입력 요소를 이벤트의 확률로 해석할 수 있는 특정 확률 값에 매핑할 수 있는 함수를 찾으려고 합니다.