Регрессия - модель, когда мы предсказываем значение нашей переменной в виде числа. Например стоимость жилья на рынке недвижимости это регрессионная модель. Если связь между переменными и прогнозируемым значением линейна - то мы можем воспользоваться моделью линейной регрессии. Линейная регрессия широко используется в различных областях, таких как экономика, социальные науки и техника, для решения таких задач, как прогнозирование, анализ тенденций и определение силы предикторов. Ее популярность обусловлена простотой, интерпретируемостью и обширной теорией, которая ее поддерживает. Вы узнаете как построить простую интерпретируемую модель линейной регрессии, что такое метод наименьших квадратов и как с его помощью найти наилучшее приближение экспериментальным данным. Кому подходит этот урок: - неспециалистам, которые хотят начать карьеру в Data Science и анализе данных; - IT-специалистам, которые только начинают свой путь в ML; - Тем, кто давно хотел начать изучать DS. Результаты урока: - познакомитесь с популярным алгоритмом машинного обучения - линейной регрессией; - узнаете, как устроен алгоритм линейной регрессии и метод наименьших квадратов; - освоите принципы решения задачи регрессии; - построите свою первую модель предсказания цены на недвижимость. «Machine Learning» - https://otus.pw/CI5j/ Преподаватель: Игорь Стурейко - Teamlead, главный инженер