Что лучше выбрать новичку для криволинейной регрессии: tensorflow, sckit, theano, keras?

Здравствуйте, мне нужно с помощью машинного обучения решить задачу регрессии. Мне понадобится криволинейная регрессия. Подскажите, пожалуйста, какую документацию лучше начать переводить для новичка, чтобы взяться за регрессию?

Что лучше выбрать новичку для криволинейной регрессии: tensorflow, sckit, theano, keras?

0

Криволинейных регрессий не существует. Есть
1) линейная регрессия, причем линейная зависимость между параметрами, а не переменными. Т.е. f(x, y, z) = ln(a) + b*x² + c/(z-y) нелинейная функция, но это будет линейная регрессия ибо связь между параметрами a, b, c линейна. Регрессии не интересно в каком формате взяты данные x, y, z. Если вам нужно это, то любой стат модуль питона умеет это делать чаще всего используя метод наименьших квадратов.
2) параметрическая нелинейная регрессия. Это например логит, пробит и т.д. Используется метод моментов или максимального правдоподобия.
3) непараметрическая регрессия, например ядренная функция распределения (kernel density)

Вам сначала надо определиться какие у вас данные, что вы с ними можете делать и что вы с ними хотите делать, какой вид регрессии выбрать и какой подвид (а их мноооооого). И только потом искать нужный модуль в питоне. Возможно вам не регрессия нужна, а метод классификации. Хотя частенько это одно и тоже, просто вид с боку.

Быстро посмотрела модули:
tensorflow - честно говоря не особо понятно, что делает. Точной информации не нашла. Но точно есть несколько видов базовых регрессий: логит, линейная и нейроные сети.
Scikit-learn - очень много всего интересного для индивидуальных данных. Я бы советовала использовать его. Но если у вас временные ряды, то вроде он не подходит.
theano - как и первый, мало информации.
keras - тоже, но выглядит солиднее.

ИМХО, если у вас не замысловатый подход, то все 4 модуля интересны. Там самое главное это какие алгоритмы и методы оптимизации они используют.

Если нужно что-то ультроспецифическое и новое, то искать на странице ученого или ученых, которые этим занимаются. Я например работаю со скриптами от EPFL для изучения поведения и предпочтения людей.

1

Сообщение от vorobichek ensorflow - честно говоря не особо понятно, что делает. Точной информации не нашла. Но точно есть несколько видов базовых регрессий: логит, линейная и нейроные сети. Scikit-learn - очень много всего интересного для индивидуальных данных. Я бы советовала использовать его. Но если у вас временные ряды, то вроде он не подходит. theano - как и первый, мало информации. keras - тоже, но выглядит солиднее.

keras, насколько я знаю, сделан для описания моделей, которые потом "понимаются" бекендами - tensorflow-ом и teano.

Добавлено через 7 часов 4 минуты
Да, кстати - поддержка theano прекращена. Для учебных целей ещё использовать можно, она частенько используется в курсах, но для продакшна всё.

2

Используйте sklearn (руководство на английском). У него простой интерфейс, одинаковый для всех его моделей.

Tensorflow может понадобиться, когда Вы захотите массово и сложным образом обрабатывать изображения. Говорят, он очень хорошо оптимизирован. Но интерфейс (ИМХО) просто ужасен.

Theano - это библиотека вычислений, а не машинного обучения.

Keras - это фреймворк для создания нейронных сетей. Вы спрашивали про регрессию - это другая модель, гораздо более простая. Для новичка фреймворк вряд ли подойдёт.

2

Спасибо большое вам за ответы, насчет криволинейной регрессии - это я взял по ссылке:

http://www.machinelearning.ru/... %B5%D1%80)

там криволинейная регрессия идет как подраздел линейной.

Я решил написать именно про неё, чтобы обозначить, что мне нужена модель в виде полинома(многочлена) либо какая-то функция: ln, e, sin, cos или ещё какая-то, но не прямая.

Про tensorflow я упомянул, потому что нашёл на habrahabr статью про полиномиальную регрессию: https://habrahabr.ru/company/ods/blog/324898/

Но интуитивно мне кажется, что tensorflow сложновато для меня. И немного проще будет попробовать sklearn. Хочется использовать библиотеку вместо полностью самописного решения, чтобы не было тотального фиаско

В общем благодарю, и выбираю sklearn

0