प्रतिगमन (फ़ंक्शन सन्निकटन के रूप में भी जाना जाता है) में, हम एक या अधिक (स्वतंत्र) चर (किसी भी डेटाटाइप के) से एक (आश्रित) चर की भविष्यवाणी करने में रुचि रखते हैं। यदि हमारे पास एक स्वतंत्र चर है तो यह सरल प्रतिगमन है, उदाहरण के लिए, वजन से ऊंचाई की भविष्यवाणी करना। यदि एक से अधिक हैं, तो यह एकाधिक प्रतिगमन है उदा। वजन और उम्र से ऊंचाई की भविष्यवाणी करना।
प्रतिगमन का तात्पर्य कार्य-कारण है। आश्रित चर में परिवर्तन स्वतंत्र चर में परिवर्तन के कारण होता है।
रेखीय प्रतिगमन का अर्थ है कि आश्रित चर और स्वतंत्र चर के बीच संबंध रैखिक है और इस प्रकार इसे एक सीधी रेखा द्वारा वर्णित किया जा सकता है जिसे कहा जाता हैप्रतिगमन लाइन. हम एक प्रतिगमन रेखा खोजने की प्रक्रिया में हैं जो डेटा बिंदुओं की अधिकतम संख्या (डेटा बिंदुओं की संख्या = डेटासेट में रिकॉर्ड की संख्या) को फिट (स्पर्श) करती है।
सभी प्रशिक्षण डेटा बिंदुओं को छूने के लिए प्रतिगमन रेखा की अक्षमता को पूर्वाग्रह कहा जाता है। उच्च पूर्वाग्रह वाला मशीन लर्निंग मॉडल प्रशिक्षण डेटा पर बहुत कम ध्यान देता है और मॉडल को ओवरसिम्प्लीफाई करता है।ट्वीट करने के लिए क्लिक करें
जब वही प्रतिगमन मॉडल परीक्षण डेटासेट पर चलाया जाता है, तो मॉडल प्रदर्शन मीट्रिक का पुनर्मूल्यांकन किया जाता है। यदि परीक्षण डेटा पर मीट्रिक मूल्य प्रशिक्षण डेटा पर प्राप्त मीट्रिक मूल्य से कम है, तो मॉडल कहा जाता हैoverfitting. यदि इसका उल्टा होता है, तो कहा जाता है कि मॉडल हैunderfitting. विभिन्न डेटासेट (हमारे मामले में प्रशिक्षण और परीक्षण डेटासेट) के बीच फिट (पूर्वाग्रह) में यह अंतर कहा जाता हैझगड़ा. प्रसरण एक मॉडल से संबंधित है जो परीक्षण डाटासेट में फिट होने में विफल रहता है। उच्च विचरण वाला मॉडल परीक्षण डेटासेट पर अच्छी तरह से सामान्यीकृत नहीं होता है और इसे ओवरफिटेड कहा जाता है।
पर पढ़ना जारी रखेंलिंक्डइन
अजगर कोडऔर यहडेटा फ़ाइलजीथब पर है।
कोड या सुविधा अनुरोधों में एक बग की पहचान की,कृपया एक नया मुद्दा खोलें
कोड और प्रलेखन कॉपीराइट 2020–2022लेखक. कोड एमआईटी लाइसेंस के तहत जारी किया गया। डॉक्युमेंट्स के तहत जारी किया गयाक्रिएटिव कॉमन्स.