Ringkasan regresi

Kasus penggunaan umum untuk machine learning adalah memprediksi nilai metrik numerik untuk data baru menggunakan model yang dilatih pada data historis yang serupa. Misalnya, Anda mungkin ingin memprediksi perkiraan harga jual rumah. Dengan menggunakan lokasi dan karakteristik rumah sebagai fitur, Anda dapat membandingkan rumah ini dengan rumah serupa yang telah terjual, dan menggunakan harga jualnya untuk memperkirakan harga jual rumah.

Anda dapat menggunakan salah satu model berikut yang dikombinasikan dengan fungsi ML.PREDICT untuk melakukan regresi:

• Model regresi linear: gunakan regresi linear dengan menetapkan opsi MODEL_TYPE ke LINEAR_REG.
• Model boosted tree: gunakan pohon keputusan dengan peningkatan gradien dengan menetapkan opsi MODEL_TYPE ke BOOSTED_TREE_REGRESSOR.
• Model random forest: gunakan random forest dengan menetapkan opsi MODEL_TYPE ke RANDOM_FOREST_REGRESSOR.
• Model deep neural network (DNN): gunakan jaringan neural dengan menetapkan opsi MODEL_TYPE ke DNN_REGRESSOR.
• Model Wide & Deep: gunakan wide & deep learning dengan menetapkan opsi MODEL_TYPE ke DNN_LINEAR_COMBINED_REGRESSOR.
• Model AutoML: gunakan model klasifikasi AutoML dengan menetapkan opsi MODEL_TYPE ke AUTOML_REGRESSOR.

Artikel pusat informasi yang direkomendasikan

Dengan menggunakan setelan default dalam pernyataan CREATE MODEL dan fungsi ML.PREDICT, Anda dapat membuat dan menggunakan model regresi bahkan tanpa banyak pengetahuan ML. Namun, memiliki pengetahuan dasar tentang pengembangan ML membantu Anda mengoptimalkan data dan model untuk memberikan hasil yang lebih baik. Sebaiknya gunakan referensi berikut untuk mengembangkan pengetahuan tentang teknik dan proses ML:

• Kursus Singkat Machine Learning
• Pengantar Machine Learning
• Machine Learning Tingkat Menengah