Линейная регрессия. Что внутри sklearn? Зачем градиентный спуск? Что спросят на собеседовании? ч.2

[@hopelesssuprem1867]

Я пересмотрел много различных видео и могу сказать, что это одно из лучших объяснений. Мб мне все понятно потому что я уже так заботал математику, что сам и не заметил как она стала называться машинным обучением)). Сделайте пж видео по логистической регрессии с примером вычисления т.к. это естественное продолжение линейной регрессии.

[@maksim00973]

Топовый контент, продолжай =)

[@plwthme]

Очень мощно и кратко, все по делу

[@seriouspetrovich7113]

7:59 если мы двигаемся в сторону антиградиента, то почему в итоговой формуле для весов берём тот градиент, который был посчитан выше? Перефразирую - не нужно ли было убрать минус перед двойкой?

[@tournament-bracket.comadvi3224]

збс, давай ещё :) А так на самом деле хорошая подача в том смысле что не адски глубоко и не супер поверхностно а весьма наглядно и без лишней воды. Отсылки к материалам кто хочет разобраться лучше тоже огонь

[@VanyaQA]

Спасибо большое! Главное не останавливайся

[@saitaro]

Супер, спасибо!

[@ДаниилКраев-я7ч]

Пожалуйста продолжай

[@Extremesarova]

Спасибо!

[@aleksey3750]

Круто

[@kochkindi]

Спасибо!!