InCube - Data Science

Regressão Linear com R A análise de regressão é uma ferramenta estatística muito usada para estabelecer um modelo de relacionamento entre duas variáveis.  Uma dessas variáveis é chamada variável preditora, cujo valor é coletado por meio de experimentos.  A outra variável é chamada variável de resposta cujo valor é derivado da variável preditora. Na regressão linear, essas duas variáveis são relacionadas por meio de uma equação, onde o expoente (poder) de ambas as variáveis é 1.  Matematicamente, uma relação linear representa uma linha reta quando plotada como gráfico.  Uma relação não linear em que o expoente de qualquer variável não é igual a 1 cria uma curva. A equação matemática geral para uma regressão linear é: y = ax + b A seguir, é apresentada a descrição dos parâmetros usados : y é a variável de resposta x é a variável preditora a e b são constantes que são chamadas de coeficiente Etapas para estabelecer uma regressão Um exemplo si

Tutorial de Deep Learning com Keras O Objetivo deste artigo é dar uma introdução do que é Deep Learning e alguns exemplo de seu uso. Irei explicando passo a passo de cada execução, com base num estudo que fiz no Kaggle. No final deste tutorial, você terá informações suficientes sobre Deep Learing para poder futuramente aprofundar seu conhecimento. Partes do código são escritas em inglês devido á universalidade da linguagem de programação Vamos analisar o conteúdo. Conteúdo: Introdução Visão geral do conjunto de dados Regressão logística Gráfico de computação Inicializando Parâmetros Propagação direta Função Sigmoide Função de perda (erro) Função de custo Algoritmo de otimização com descida de gradiente Propagação para trás ( retro-propagação)  Atualizando parâmetros Regressão logística com Sklearn Resumo e Perguntas em Mente Artificial Neural Network Rede Neural de 2 Camadas Tamanho das camadas e pesos dos parâmetros de inicialização e vié