Guruh: Bajardi: Tekshirdi: 223-18 Qurbanov a berdanov U. Toshkent 2022

Chiqish

Yuqoridagi chiqishda biz ma'lumotlar nuqtalari orasidagi regressiya chizig'ini ko'rishimiz mumkin.
samaradorlikni hisoblash.
Shuningdek, biz regressiya modelimizning ishlashini turli xil ishlash ko'rsatkichlari bilan quyidagicha hisoblashimiz mumkin.
print("Regressor model performance:")
print("Mean absolute error(MAE) =", round(sm.mean_absolute_error(y_test, y_test_pred), 2))
print("Mean squared error(MSE) =", round(sm.mean_squared_error(y_test, y_test_pred), 2))
print("Median absolute error =", round(sm.median_absolute_error(y_test, y_test_pred), 2))
print("Explain variance score =", round(sm.explained_variance_score(y_test, y_test_pred), 2))
print("R2 score =", round(sm.r2_score(y_test, y_test_pred), 2))
Chiqish
Regressor model performance:
Mean absolute error(MAE) = 1.78
Mean squared error(MSE) = 3.89
Median absolute error = 2.01
Explain variance score = -0.09
R2 score = -0.09

ML regressiya algoritmlarining turlari

Eng foydali va mashhur ML regressiya algoritmi chiziqli regressiya algoritmi bo'lib, u yana ikki turga bo'linadi, xususan:

• 
  Oddiy chiziqli regressiya algoritmi
  
• 
  Ko'p chiziqli regressiya algoritmi.
  

Biz buni keyingi bobda muhokama qilamiz va uni Python-da amalga oshiramiz.

Ilovalar

ML regressiya algoritmlarining qo'llanilishi quyidagilardan iborat:
Prognozlash yoki bashoratli tahlil. Regressiyaning muhim qo'llanilishi prognoz yoki bashoratli tahlildir. Masalan, biz yalpi ichki mahsulot, neft narxini yoki oddiyroq aytganda, vaqt o'tishi bilan o'zgarib turadigan miqdoriy ma'lumotlarni taxmin qilishimiz mumkin.
Optimallashtirish - Biz regressiya yordamida biznes jarayonlarini optimallashtirishimiz mumkin. Masalan, do'kon menejeri mijozlar qachon kelishini tushunish uchun statistik model yaratishi mumkin.