Módulo 04_(Aprendizado de Máquina)_Regressão e séries temporais

Prévia do material em texto

Modelo	linear:	
Modelo	não	linear:	
Regressão	simples:	
Regressão	multivariada:	
https://www.scielo.br/pdf/ac/v19n1/1678-8621-ac-19-01-0089.pdf
https://tylervigen.com/old-version.html
́ ́
̧ ̃ ̂ ́
̃
̧ ̃
https://docs.ufpr.br/~jomarc/correlacao.pdf
â
α β
onde:	
:	é	a	função	do	modelo	de	predição;
:	é	o	valor	da	variável	dependente	para	 ;
:	são	os	parâmetros	escolhidos	para	a	função	do	modelo	de
predição.
β
https://plataforma.bvirtual.com.br/Leitor/Publicacao/176296/pdf/0
https://ruder.io/optimizing-gradient-descent/
https://www.statsmodels.org/
https://scikit-learn.org/stable/modules/generated/sklearn.svm.SVR.html
https://sabr.org/sabermetrics
https://towardsdatascience.com/moneyball-linear-regression-76034259af5e
Assim,	o	objetivo	da	otimização	será:
onde	erro	é	a	Soma	dos	Resíduos	ao	Quadrado	(RSS),	 	é	um
parâmetros	de	tunning	da	penalidade,	c	são	os	coeficientes	do
modelo	( )	e	q	é	um	parâmetro	que	indica	qual	a
regularização	será	utilizada.
https://ogrisel.github.io/scikit-learn.org/sklearn-tutorial/auto_examples/linear_model/plot_lasso_and_elasticnet.html#example-linear-model-plot-lasso-and-elasticnet-py
https://player.vimeo.com/video/548093090
https://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeRegressor.html
https://w.soundcloud.com/player/?url=https%3A//api.soundcloud.com/tracks/1047076948&color=%23ff5500&auto_play=false&hide_related=false&show_comments=true&show_user=true&show_reposts=false&show_teaser=true
https://scikit-learn.org/stable/modules/generated/sklearn.svm.SVR.html