剧集
了解线性回归（第 10 部分（共 17 部分） |初学者机器学习
替换为 Bea Stollnitz
在此视频中，Microsoft 首席云大使 Bea Stollnitz 可帮助你了解线性回归的概念，这是一种基本的机器学习算法。 此视频是初学者系列机器学习的一部分，我们介绍了在 Jupyter 笔记本中使用 Python 代码的各种机器学习主题及其实现。
在此视频中，你将了解：
- 什么是线性回归及其工作原理
- 如何解释线性回归模型的参数
- 最小平方回归的概念
- 线性回归如何扩展到多个特征
我们将从一维方案开始，其中我们有一个特征 x，并说明线性回归如何找到与数据点云的一般形状近似的最佳线条。 我们将讨论误差最小化和最小平方方法的概念。 然后，我们将简要介绍线性回归如何扩展到多个特征。
在此视频结束时，你将深入了解线性回归背后的核心概念，为系列中的下一个视频做好准备，我们将在训练线性回归模型时讨论相关及其重要性。
请继续关注本系列中的下一个视频，我们将深入探讨各种机器学习主题，并指导你在 Jupyter 笔记本中使用 Python 代码实现。 不见不散！
章节
推荐的资源
- 本课程基于 Microsoft 提供的免费、开源且由 26 节课组成的适合初学者的 ML 课程。
- 可以学习本课的 Jupyter Notebook！
连接
- Bea Stollnitz | 博客
- Bea Stollnitz |推特： @beastollnitz
- Bea Stollnitz |LinkedIn： in/beatrizstollnitz/
在此视频中，Microsoft 首席云大使 Bea Stollnitz 可帮助你了解线性回归的概念，这是一种基本的机器学习算法。 此视频是初学者系列机器学习的一部分，我们介绍了在 Jupyter 笔记本中使用 Python 代码的各种机器学习主题及其实现。
在此视频中，你将了解：
- 什么是线性回归及其工作原理
- 如何解释线性回归模型的参数
- 最小平方回归的概念
- 线性回归如何扩展到多个特征
我们将从一维方案开始，其中我们有一个特征 x，并说明线性回归如何找到与数据点云的一般形状近似的最佳线条。 我们将讨论误差最小化和最小平方方法的概念。 然后，我们将简要介绍线性回归如何扩展到多个特征。
在此视频结束时，你将深入了解线性回归背后的核心概念，为系列中的下一个视频做好准备，我们将在训练线性回归模型时讨论相关及其重要性。
请继续关注本系列中的下一个视频，我们将深入探讨各种机器学习主题，并指导你在 Jupyter 笔记本中使用 Python 代码实现。 不见不散！
章节
推荐的资源
- 本课程基于 Microsoft 提供的免费、开源且由 26 节课组成的适合初学者的 ML 课程。
- 可以学习本课的 Jupyter Notebook！
连接
- Bea Stollnitz | 博客
- Bea Stollnitz |推特： @beastollnitz
- Bea Stollnitz |LinkedIn： in/beatrizstollnitz/
想提供反馈？ 在此处提交问题。