رگرسیون یک روش یادگیری ماشینی نظارت شده برای درک رابطه بین متغیرها یا ویژگی های مستقل و یک متغیر یا نتیجه وابسته است. یکی از الگوریتم هایی که برای رگرسیون استفاده می شود “Elastic Net Regression” است.
در اینجا، ما از دیتاست salaries.csv برای اهداف رگرسیونی استفاده می کنیم و می توانید مجموعه داده را از لینک بالای این صفحه دانلود کنید.
این دیتاست دارای 2 متغیر ویژگی است: “سن” و “شغل”
و متغیر پیش بینی برابر است با: “حقوق دریافتی”.
در فرم بالا مقادیر 2 متغیر ویژگی را وارد کرده و مدل حقوق دریافتی را در یک فرم پاپ آپ برمی گرداند. از آنجایی که 1 متغیر ویژگی دیتاست ما متنی و یکی دیگر عددی است، برای استفاده از Elastic Net Regression برای این دیتاست ترکیبی، باید متغیر ویژگی متنی را به برچسب عددی تبدیل کنیم و سپس می توانیم از روش Elastic Net Regression استفاده کنیم.
توجه داشته باشید که مقادیر و محدوده های هر متغیر ویژگی به شرح زیر است:
کد نمونه مورد استفاده برای آموزش مدل Elastic Net Regression در لینک بالای همین صفحه ارائه شده است. هر بار که این فرم را اجرا می کنید و پیش بینی ها اتفاق می افتد، مقادیر در پایگاه داده ذخیره می شوند و با لینک "نتایج" در بالای این صفحه، نتایج قبلی پیش بینی مدل را مشاهده خواهید کرد. اجرای اخیر شما به انتهای این لیست اضافه خواهد شد.