Episodio

Informazioni sulla regressione lineare (parte 10 di 17) | Machine Learning per principianti

con Bea Stollnitz

Machine Learning per principianti

In questo video Bea Stollnitz, principal cloud advocate di Microsoft, consente di comprendere il concetto di regressione lineare, un algoritmo di Machine Learning fondamentale. Questo video fa parte della serie Machine Learning for Beginners, in cui vengono illustrati vari argomenti di Machine Learning e la relativa implementazione usando il codice Python nei notebook di Jupyter.

In questo video si apprenderà quanto segue:

  • Che cos'è la regressione lineare e come funziona
  • Come interpretare i parametri di un modello di regressione lineare
  • Concetto di regressione dei minimi quadrati
  • Come può essere estesa la regressione lineare a più funzionalità

Si inizierà con uno scenario unidimensionale, in cui è presente una singola funzionalità x e si spiega come la regressione lineare trova la linea migliore che approssima la forma generale di una nuvola di punti dati. Verranno illustrati i concetti relativi alla riduzione degli errori e al metodo least-squares. Si esaminerà quindi brevemente il modo in cui la regressione lineare può essere estesa a più funzionalità.

Al termine di questo video, si avrà una conoscenza approfondita dei concetti fondamentali alla base della regressione lineare, preparandoti per il video successivo della serie, in cui verrà discussa la correlazione e la sua importanza durante il training dei modelli di regressione lineare.

Rimanere ottimizzati per il video successivo di questa serie, in cui verranno approfonditi i vari argomenti di Machine Learning e verrà illustrata l'implementazione usando il codice Python nei notebook di Jupyter. Vedi lì!

Capitoli

  • 00:00 - Introduzione
  • 00:13 - Che cos'è la regressione lineare?
  • 01:10 - Regressione dei minimi quadrati
  • 01:27 - Regressione lineare multidimensionale per più funzionalità
  • 01:52 - Funzione matematica per la regressione lineare 1 dimensionale
  • Questo corso si basa sul curriculum gratuito, open source, ml per principianti di Microsoft.
  • Il notebook di Jupyter da seguire insieme a questa lezione è disponibile.

Connessione

Azure Machine Learning
Python