Рет қаралды 20,881
Практическое задание boosty.to/machine_learrrning/...
Поддержать канал можно оформив подписку на boosty.to/machine_learrrning
Канал в TG t.me/machine_learrrning
Группа в VK machine_learrrning
Курсы на платформе Stepik:
1. Библиотеки Python для Data Science stepik.org/a/129105
2. Введение в нейронные сети (Keras/Tensorflow) stepik.org/a/127274
Вопросы, на которые найдем ответы в этом видео:
Что такое линейная регрессия?
Как обучить LinearRegression из sklearn?
Как написать свою реализацию LinearRegression?
Что такое градиентный спуск?
Метрики регрессии • МЕТРИКИ РЕГРЕССИИ В МА...
Ноутбук из видео colab.research.google.com/dri...
0:00 Вводная
0:08 Что такое линейная регрессия в общих чертах
0:37 Разные линии ax + b
2:25 Получение данных
3:11 Обучение LinearRegression из sklearn
3:39 Коэффициенты у линейной регрессии .coef_, .intercept_
4:04 Отрисовка линейной регрессии
4:40 Предсказания линейной модели .predict()
4:54 Предсказания линейной модели через коэффициенты
5:14 Построение другой линейной регрессии
5:53 Сравнение линейных моделей по отклонению
6:56 Сравнение линейных моделей по метрике MSE
7:30 Как обучается линейная регрессия?
7:49 Оптимизация MSE
8:55 Градиентный спуск
8:59 Что такое градиент
9:54 Антиградиент
10:13 Градиент на примере гор
11:26 Реализация градиентного спуска на python
13:15 Скорость обучения (шаг обучения) в градиентном спуске
14:21 Второй шаг градиентного спуска
14:56 Цикл градиентного спуска
16:40 Критерий остнова градиентного спуска по коэффициентам
18:17 Алгоритм градиентного спуска
18:59 Реализация линейной регрессии через градиентный спуск
19:30 Реализация функции MSE и производная MSE
21:58 Цикл обучения линейной регрессии на одном признаке
24:30 Обучение многомерное линейной регрессии
24:54 Обучение LinearRegression из sklearn
25:06 Веса линейной регрессии
25:54 Предсказания LinearRegression .predict()
26:03 Предсказания линейной модели через веса
26:23 Подсчет метрики MSE
27:51 Реализация линейной модели на python
28:03 Линейная регрессия - это скалярное произведение
29:05 Свободный вес в линейной регрессии
29:15 Фиктивный признак
29:50 MSE в матричном виде
30:48 Реализация функции MSE и градиент MSE
31:56 Инициализация весов
32:12 Цикл обучения линейной регрессии
34:14 Практика на boosty.to/machine_learrrning
35:05 Резюме занятия
Music: www.bensound.com