Pienso en la regresión simbólica no lineal como un término medio de regresión lineal y regresión no lineal.
La regresión lineal es una línea recta a través de su conjunto de datos. Si sus datos no se encuentran en la línea, su modelo pronosticará incorrectamente, produciendo un MSE bastante grande. Esto lleva a una gran variación. Por lo tanto, esto no funcionará bien en los datos de validación y prueba.
La regresión no lineal es un modelo más complejo (a menudo representado por una función polinómica de alto grado) que puede predecir sus datos de entrenamiento correctamente la mayor parte del tiempo. Sin embargo, tiene un sesgo bastante grande hacia los datos de entrenamiento. Por lo tanto, puede no funcionar bien en los datos de validación y datos de prueba.
- ¿Qué temas de estadística y probabilidad se deben conocer antes de comenzar el aprendizaje automático?
- ¿Cuál es la relación entre el libro Zen y el arte del mantenimiento de motocicletas y los términos de la programación orientada a objetos?
- Estoy realmente interesado en la computación paralela y quiero trabajar con ella en el futuro. Para la universidad, ¿debo especializarme en ingeniería informática o informática?
- Mientras instalaba Mavericks OS X en mi PC con Windows 7 usando una máquina virtual, arrojó un error que decía 'Mac OS X no es compatible con la traducción binaria. Para ejecutar Mac OS X, necesita un host en el que VMware Player sea compatible con Intel VT-x o AMD-V '. ¿Cómo puedo arreglar esto?
- Cómo memorizar tablas de multiplicar hexadecimales
La regresión simbólica no lineal ofrece un modelo que es menos complejo que la regresión no lineal típica con más error en los datos de entrenamiento. Sin embargo, produce menos errores en los datos de validación. Por lo tanto, la regresión simbólica no lineal ofrece el mejor modelo para su conjunto de datos.
Lea más sobre ¿Qué es la regresión simbólica (y cómo la usa Eureqa)? y regresión simbólica – Wikipedia