首页 文章

贝叶斯线性回归如何对非随机化的交通强度数据集起作用？

提问于
浏览 次
1

我试图在接下来的15分钟内预测每条车道的强度（这是我论文研究的一部分） . 我有一个数据集，其中包含过去3个月每15分钟每条泳道的强度 . 我在 Azure Machine Learning 中使用了6种不同的机器学习算法来检查哪一种算法最准确 . 我选择了贝叶斯线性回归来描述算法以及它逐步完成的工作 .

我仍然不清楚该算法是如何工作的，因为我不擅长详细的数学 . 这就是为什么我使用 Cloud 计算就绪机器学习工具为我做的工作 . 我在互联网上看到了一些消息来源和解释，但它们对我来说太过数学了，我仍然没有得到它 .

当我点击“ Visualize ”时，我训练过的模型看起来像这样：
enter image description here

enter image description here

我的评估模型：
enter image description here

我的问题是，如果有人想解释 Bayesian Linear Regression 算法，就像我是 dummy . 为什么我在算法中包含的数据集的多个其他功能会影响预测？

algorithm azure machine-learning linear-regression bayesian

1 回答

  • 1

    也许你应该先开始学习什么是线性回归然后转向贝叶斯线性 . 线性回归的想法是使用函数绘制一条穿过数据中间的线 . 比较简单，没有数学就很难解释 .

    Linear Regression线性回归https://www.youtube.com/watch?v=zPG4NjIkCjc

    回复于

相关问题