Предыдущий урок: Урок 3. Данные — топливо машинного обучения Мы уже научились работать с данными, загружать их, смотреть, что внутри, находить странности и визуализировать закономерности. Это был важный шаг: без понимания данных машинное обучение — пустой звук. Но теперь пора перейти к тому, ради чего мы сюда пришли: к обучению модели, которая сможет предсказывать. Сегодня мы построим нашу первую модель — линейную регрессию. Это самый простой, но невероятно важный алгоритм, с которого начинают почти все специалисты в машинном обучении...

Источник: Nuances of Programming Линейная и логистическая регрессии обычно являются первыми видами регрессии, которые изучают в таких областях, как машинное обучение и наука о данных. Оба метода считаются эффективными, так как их легко понять и использовать. Однако, такая простота также имеет несколько недостатков, и во многих случаях лучше выбирать другую регрессионную модель. Существует множество видов регрессии, каждый из которых имеет свои достоинства и недостатки. Мы познакомимся с 7 наиболее распространенными алгоритмами регрессии и опишем их свойства...