Практика 2. Линейная регрессия

Практика 2. "Линейная регрессия" в курсе "Введение в машинное обучение", который читается на факультете ИВТ в ЯрГУ им П.Г. Демидова В практике рассматривается постановка задачи регрессии, приводится модель линейной регрессии, для которой находится решение методом максимального правдоподобия, применяются полиномиальные признаки для решения задачи извлечения признаков, рассматривается проблема переобучения в машинном обучении, приводятся разные способы регуляризации для борьбы с переобучением. 00:00 — Постановка задачи линейной регрессии 07:39 — Многомерная линейная регрессия 13:11 — Полиномиальная регрессия 17:14 — Извлечение признаков в scikit-learn 25:28 — Сигнализация переобучения 33:20 — Регуляризация: Lasso и Ridge 39:27 — Отбор признаков с помощью Lasso-регрессии 47:09 — Обобщённые регуляризации: Bridge и ElasticNet