Einführung
In diesem Lab werden wir uns mit der nichtnegativen kleinsten Quadrate Regression befassen, einer Art der linearen Regression, bei der die Regressionskoeffizienten auf nichtnegativ begrenzt sind. Wir werden die scikit-learn-Bibliothek von Python verwenden, um diesen Algorithmus zu implementieren und ihn mit der klassischen linearen Regression zu vergleichen.
VM-Tipps
Nachdem die VM gestartet ist, klicken Sie in der oberen linken Ecke, um zur Registerkarte Notebook zu wechseln und Jupyter Notebook für die Übung zu nutzen.
Manchmal müssen Sie einige Sekunden warten, bis Jupyter Notebook vollständig geladen ist. Die Validierung von Vorgängen kann aufgrund der Einschränkungen von Jupyter Notebook nicht automatisiert werden.
Wenn Sie bei der Lernphase Probleme haben, können Sie Labby gerne fragen. Geben Sie nach der Sitzung Feedback, und wir werden das Problem für Sie prompt beheben.
Skills Graph
%%%%{init: {'theme':'neutral'}}%%%%
flowchart RL
sklearn(("Sklearn")) -.-> sklearn/CoreModelsandAlgorithmsGroup(["Core Models and Algorithms"])
sklearn(("Sklearn")) -.-> sklearn/ModelSelectionandEvaluationGroup(["Model Selection and Evaluation"])
ml(("Machine Learning")) -.-> ml/FrameworkandSoftwareGroup(["Framework and Software"])
sklearn/CoreModelsandAlgorithmsGroup -.-> sklearn/linear_model("Linear Models")
sklearn/ModelSelectionandEvaluationGroup -.-> sklearn/model_selection("Model Selection")
sklearn/ModelSelectionandEvaluationGroup -.-> sklearn/metrics("Metrics")
ml/FrameworkandSoftwareGroup -.-> ml/sklearn("scikit-learn")
subgraph Lab Skills
sklearn/linear_model -.-> lab-49228{{"Nichtnegative kleinste Quadrate Regression"}}
sklearn/model_selection -.-> lab-49228{{"Nichtnegative kleinste Quadrate Regression"}}
sklearn/metrics -.-> lab-49228{{"Nichtnegative kleinste Quadrate Regression"}}
ml/sklearn -.-> lab-49228{{"Nichtnegative kleinste Quadrate Regression"}}
end