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 “Ridge Regression” است.
در اینجا، ما از دیتاست earthquake.csv برای اهداف رگرسیونی استفاده می کنیم و می توانید دیتاست را از لینک بالای همین صفحه دانلود کنید. این دیتاست دارای 3 متغیر ویژگی است:
“عرض جغرافیایی”, “طول جغرافیایی” و “عمق زلزله”
و متغیر پیش بینی برابر است با: “شدت زلزله”.
در فرم بالا مقادیر 3 متغیر ویژگی را وارد می کنید و مدل شدت زلزله را در یک فرم پاپ آپ برمی گرداند. توجه داشته باشید که مقادیر و محدوده های هر متغیر ویژگی به شرح زیر است:
نمونه کد مورد استفاده برای آموزش مدل “Ridge 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.