1.このセクションの主要なナレッジポイントは、自分の言葉で要約され、写真を添付でき、ナレッジポイントの重要性を説明できます
機械学習は主に次の4つのカテゴリに分類されます。
回帰と分類の違い:
線形回帰の定義:1つ以上の独立変数と従属変数の間をモデル化する回帰手法。これは、1つ以上の独立変数間の線形結合にすることができます。
回帰予測は実際には、固有値と回帰係数を掛けた重みを見つけることです。y = w * x + b
機械予測と真の値には一定の誤差がありますが、できる限り誤差を小さくできるため、損失関数(誤差の大きさ)があります。
最小二乗法の勾配降下法:トレーニング時間と連続降下の増加に伴い、予測値は真の値に近づきます。
2.どの線形回帰アルゴリズムを使用できるかを考えていますか?(誰もが重複を書かないようにしてください)
株価は予測できると思いますが、株価には多くのボラティリティ要因がありますが、数年以内のデータやボラティリティ要因によっては、ある程度の予測は可能です。資金などがあります
3.線形回帰アルゴリズムを個別に記述します。データは自分で作成するか、インターネットから取得できます。(プラスポイント)