Форма распределения сохранилась, изменились только масштаб и центрирование

Выбросы были автоматически удалены

Все значения были ограничены диапазоном [-1, 1]

Форма распределения изменилась и стала нормальной

Хорошие данные + простой алгоритм могут дать лучший результат, чем плохие данные + сложный алгоритм

Алгоритм важнее качества данных

Подготовка данных включает удаление выбросов и нормализацию

Качество данных напрямую определяет качество модели

Корреляция между признаками и целевой переменной

Средняя абсолютная ошибка модели

Отношение обучающей выборки к тестовой

Доля вариации целевой переменной, объяснённой моделью: 1 — идеальная модель, 0 — модель не лучше среднего

Точки на диаграмме рассеяния почти идеально выстраиваются вдоль возрастающей прямой

Коэффициент детерминации R-квадрат составляет приблизительно 0.94

Более высокий доход напрямую вызывает более высокие расходы

Существует очень сильная положительная линейная связь между доходом и расходами

Мультиномиальная — для нескольких классов без порядка

Экспоненциальная — для непрерывных данных

Ординальная — для нескольких классов с порядком

Бинарная — для двух классов

Является линейной функцией

Может принимать значения больше 1

Значение 0.5 является точкой перехода между классами

Преобразует любое число в диапазон от 0 до 1

LinearSVR — оптимизированная версия только с линейным ядром

SVR — классическая версия с поддержкой ядер

NuSVR — версия с параметром ν вместо ε

PolySVR — специальная версия только для полиномиальных ядер

Прогнозирование цены квартиры

Диагностика болезней по медицинским данным

Определение, является ли email спамом

Распознавание рукописных цифр

Полиномиальная регрессия не может работать с категориальными признаками

Регрессионное дерево строит кусочно-постоянную функцию (разбивает пространство на прямоугольные области с одним значением), полиномиальная — гладкую кривую

Регрессионное дерево требует нормализации данных

Регрессионное дерево быстрее обучается

Создание баз данных с правилами для экспертных систем

Явное программирование правил для решения задач

Построение алгоритмов, способных обучаться на данных и решать задачи без явного прописывания правил

Набор инструментов для визуализации больших объёмов данных