Регрессия - модель, когда мы предсказываем значение нашей переменной в виде числа. Например стоимость жилья на рынке недвижимости это регрессионная модель. Если связь между переменными и прогнозируемым значением линейна - то мы можем воспользоваться моделью линейной регрессии.
Линейная регрессия широко используется в различных областях, таких как экономика, социальные науки и техника, для решения таких задач, как прогнозирование, анализ тенденций и определение силы предикторов. Ее популярность обусловлена простотой, интерпретируемостью и обширной теорией, которая ее поддерживает.
Вы узнаете как построить простую интерпретируемую модель линейной регрессии, что такое метод наименьших квадратов и как с его помощью найти наилучшее приближение экспериментальным данным.
Кому подходит этот урок:
- неспециалистам, которые хотят начать карьеру в Data Science и анализе данных;
- IT-специалистам, которые только начинают свой путь в ML;
- Тем, кто давно хотел начать изучать DS.
Результаты урока:
- познакомитесь с популярным алгоритмом машинного обучения - линейной регрессией;
- узнаете, как устроен алгоритм линейной регрессии и метод наименьших квадратов;
- освоите принципы решения задачи регрессии;
- построите свою первую модель предсказания цены на недвижимость.
«Machine Learning» - https://otus.pw/CI5j/
Преподаватель: Игорь Стурейко - Teamlead, главный инженер
Пройдите опрос по итогам мероприятия - https://otus.pw/kF3PE/
Следите за новостями проекта:
- Telegram: https://t.me/Otusjava
- ВКонтакте: https://otus.pw/850t
- LinkedIn: https://otus.pw/yQwQ/
- Хабр: https://otus.pw/S0nM/