Odcinek

Opis regresji liniowej (część 10 z 17) | Edukacja maszynowe dla początkujących

with Bea Stollnitz

Edukacja maszynowe dla początkujących

W tym filmie wideo Bea Stollnitz, główny ambasador chmury w firmie Microsoft, pomaga zrozumieć koncepcję regresji liniowej, podstawowego algorytmu uczenia maszynowego. To wideo jest częścią naszej serii Machine Edukacja for Beginners, w której omówiono różne tematy uczenia maszynowego i ich implementację przy użyciu kodu języka Python w notesach Jupyter.

W tym filmie wideo dowiesz się:

  • Jaka jest regresja liniowa i jak działa
  • Jak interpretować parametry modelu regresji liniowej
  • Koncepcja regresji najmniejszych kwadratów
  • Jak regresja liniowa może zostać rozszerzona na wiele funkcji

Zaczniemy od scenariusza jednowymiarowego, w którym mamy jedną funkcję x i wyjaśnimy, jak regresja liniowa znajduje najlepszą linię, która przybliża ogólny kształt chmury punktów danych. Omówimy koncepcje minimalizacji błędów i metody najmniejszych kwadratów. Następnie krótko omówimy sposób rozszerzania regresji liniowej na wiele funkcji.

Na koniec tego filmu wideo będziesz mieć solidne zrozumienie podstawowych pojęć związanych z regresją liniową, przygotowując cię do następnego filmu z naszej serii, w którym omówimy korelację i jej znaczenie podczas trenowania modeli regresji liniowej.

Bądź na bieżąco z następnym filmem wideo z tej serii, w którym szczegółowo omówimy różne tematy uczenia maszynowego i przeprowadzimy Cię przez implementację przy użyciu kodu języka Python w notesach Jupyter. Zobacz cię tam!

Rozdziały

  • 00:00 — wprowadzenie
  • 00:13 — Co to jest regresja liniowa?
  • 01:10 — regresja najmniejszych kwadratów
  • 01:27 — Regresja liniowa wielowymiarowa dla wielu funkcji
  • 01:52 — Funkcja matematyczna dla regresji liniowej wymiarowej 1

Połącz

Azure Machine Learning
Python