Regressão de Vetor Suporte - Machine Learning 08
ฝัง
- เผยแพร่เมื่อ 9 ก.พ. 2025
- Meu Twitter: / 1iversodiscreto
Meu Instagram: / universodiscreto
Grupo no Telegram pros inscritos do canal:
t.me/joinchat/...
Código-Fonte do exemplo:
github.com/luc...
Material complementar:
www.kdnuggets....
/ support-vector-regress...
prorum.com/?qa=...
www.thedynamat...
www.udemy.com/...
Excelente!!
Muito bom o vídeo! Boa explicação com os pontos principais e de forma enxuta. Certeza que vai me ajudar muito a prosseguir com a minha dissertação do mestrado
Bom dia!! muito bom o vídeo. Gostaria de saber se é possível fazer uma regressão com SVR dando mais de uma entrada no treinamento? Por exemplo ter uma função com dados A, B e C. Utilizar os dados A e B para estimar uma função C.
Olá, muito bom seus vídeos! Fiquei com uma dúvida em relação a normalização dos dados de treino e teste, você disse que a normalização vai fazer uma "média" do conjunto de valores e transformar os dados entre ~ -1 e 1. Minha dúvida é, mas quando eu for usar um dado novo de entrada ele não estará normalizado e não terei um conjunto de entrada, apenas um único dado novo, nesse caso a normalização não vai funcionar (pois não terei um conjunto de valores, apenas um novo valor)? Ou não preciso fazer a normalização do novo dado de entrada para o algoritmo me retornar uma resposta?
Para mim essa linha não funcionou:
showPlot(scaleX.inverse_transform(X), scaleY.inverse_transform(y), scaleX.inverse_transform(X), scaleY.inverse_transform(svrModel.predict(X)))
Só funcionou fazendo assim:
showPlot(scaleX.inverse_transform(X), scaleY.inverse_transform(y), scaleX.inverse_transform(X), scaleY.inverse_transform(np.reshape(svrModel.predict(X), (-1, 1)) ))