رگرسیون خطی یکی از مهمترین ابزار یادگیری ماشینی است که ساده ترین تکنیک های مدل سازی پیش بینی شده می باشد و به طور گسترده ای چه به صورت تکی و یا در ترکیب با تکنیک های دیگر مورد استفاده قرار می گیرد.

در این دوره شما یاد خواهید گرفت:

  • تعریف رگرسیون و نحوه انجام رگرسیون خطی
  • مفاهیم یادگیری ماشینی مانند تابع هزینه، F-test و اعتبار متقابل
  • تست فرضیه ها و اصطلاح “P value”
  • نحوه ی استفاده و دسترسی به پلتفرم علم داده SherlockML
  • توسعه مهارت های مورد نیاز در بازار یادگیری ماشینی که در آن تقاضا فراتر از عرضه است

سرفصل ها:

  • رگرسیون خطی
  • مقدمه
  • مرور مدل سازی
  • رگرسیون خطی
  • مثال رگرسیون خطی
  • ارزیابی مدل
  • ثبات عددی و رگرسیون ridge
  • نتیجه