С этого метода машинного обучения стоило бы начать сразу, ведь линейная регрессия - это своего рода "Hello world" машинного обучения. В выпуске я рассказываю про разные подходы к описанию данных (интерполяция, аппроксимация и регрессия) и подробно останавливаюсь на линейной регрессии - как самом простом и наглядном методе обучения с учителем. Также про функцию потерь - среднеквадратичную ошибку, наиболее часто используемую в линейной регрессии, про градиентный спуск в рамках линейной регрессии и про место линейной регрессии среди методов машинного обучения. Казалось бы, причем здесь Марк Твен? Полезного вам прослушивания!
Ссылки выпуска:
Курс Andrew Ng на coursera (про линейную регрессию, функцию потерь и градиентный спуск - первая неделя курса) -
Выпуск подкаста #003 ML Методы машинного обучения -
Выпуск подкаста #015 ML Основы нейросетей ч.2 Градиентный спуск -
Телеграм-канал "Стать специалистом по машинному обучению" -
Телеграм автора подкаста - @kmsint