РЕАЛИЗАЦИЯ ЛИНЕЙНОЙ РЕГРЕССИИ | Линейная регрессия | LinearRegression | МАШИННОЕ ОБУЧЕНИЕ

Курсы на платформе Stepik:

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?

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

35:05 Резюме занятия

[Йиилийлилль]

Отличное видео, спасибо!!! Наконец то кто-то объяснил линейку человеческим языком 😅❤

[alexeykolesnik]

Знаете, я увидел Ваше видео кас обратного распространения ошибки и подумал: "Что? Юная девушка с ушками мне будет рассказывать про нейро-сети?" Я учусь на курсе по нейро-сетям у профи, но ничего не могу понять. И тут Вы разбираете обратное прохождение через вычисление производных в точках сети и все совершенно понятно.Как так.... Визуализация функции потерь в данном видео - гениально. В общем, это лучшее обучающее видео, что я видел! Не знаю, кто написал эту лекцию и обучающий код, но это преподаватель высшего класса. Спасибо, что вы есть! Сейчас слушаю все видео на Вашем канале с самого начала - балдеж!

[настоящиймужик-хд]

наверное лучшее объяснение на СНГ и англоязычном ютубе

[LoSb_Krakov]

Это потрясающе, я наконец то понял где применяется градиентный спуск, СПАСИБО!
Еще бы линейную классификацию))))

[shiawaseyume]

Дякую, неймовірно класні відео, в 100 разів цікавіше ніж лекції в університеті

[АртёмКомарницкий-яь]

Как всегда огромные слова благодарности за Ваш труд!!! Сколько всего интересного!

[СергейЯкушев-ъд]

Спасибо, мало кто в состоянии объяснить так лаконично и доходчиво

[МихаилХованский-йы]

Эта булочка все так классно объясняет😄, одни из немногих видео по DS которые я реально понимаю, пересматриваю по много раз, чтобы запомнилось лучше.

[delkaaaa]

Спасибо! Действительно, очень классное объяснение для тех кто пытается в этом разобраться!!!

[VsevolodT]

Пока что для меня ваш канал и подача материала это наиболее полезная форма. Между мамкиными датамашинлернерами и ядерными курсами по ML. Спасибо за вашу отличную работу

[АлексейКрюков-жч]

Видал я разные обучающие видео по разным темам машин лернинга, от всяких именитых блогеров и известных курсов. Но это определенно лучшее. Браво! Нетерпится посмотреть остальные видео на канале, это первое для меня.

[paveltimofeev]

У вас огромный талант, как у специалиста ML и преподавателя. Вы печатаете, рассказывая происходящее, и это всё понятными словами, с минимумом отпечаток в коде! Вау! Ваши видео ни раз выручали меня при выполнении учебных проектов, суть которых "научи от А до Г, от Д до Я пусть сами ищут. Поэтому я зарегистрировался на ваш курс и не пожалел. Курс у вас просто отменный. Можно вам предложить идею видео: основы ООП для создания пайплайна.

[vladzakharov]

Спасибо вам огромное!! Ваше видео помогло при сдаче лабораторной! Счастья вам и успехов!

[АртемЕрохин-бс]

Отличное объяснение! Все системно и последовательно. Спасибо!

[АлександрИваненко-нф]

Тудым-сюдым... человеческими шагами ))) Шикарно!

[СтаниславКапралин]

Спасибо! Все очень круто, жду следующих обучающих видеоуроков!

[wordofworld]

Спасибо большое за замечательное объяснение )

[АндрейГуминский-лт]

Огромное спасибо за отличные гайды. Стало гораздо понятнее. Подписался)

[zarinaiztay]

огромнейшее спасибо за видео, всегда круто объясняете

[luizzagrand]

хочу отметить, что предсказание модели нельзя делать на обученных данных (блок подсчет метрики MSE). для тех, кто только начал изучать это может вызвать затруднение и в дальнейшем неправильное понятие модели предсказания