Introduction
Dans ce tutoriel, nous allons apprendre à connaître la régression isotone, qui est une technique de régression non paramétrique qui trouve une approximation non décroissante d'une fonction tout en minimisant l'erreur quadratique moyenne sur les données d'entraînement. Nous utiliserons scikit-learn, une bibliothèque populaire de machine learning en Python, pour implémenter la régression isotone et la comparer à la régression linéaire.
Conseils sur la machine virtuelle
Une fois le démarrage de la machine virtuelle terminé, cliquez dans le coin supérieur gauche pour basculer vers l'onglet Carnet de notes pour accéder au carnet Jupyter Notebook pour pratiquer.
Parfois, vous devrez peut-être attendre quelques secondes pour que le carnet Jupyter Notebook ait fini de charger. La validation des opérations ne peut pas être automatisée en raison des limitations du carnet Jupyter Notebook.
Si vous rencontrez des problèmes pendant l'apprentissage, n'hésitez pas à demander à Labby. Donnez des commentaires après la session, et nous résoudrons rapidement le problème pour vous.