[Одномерная линейная регрессия][1] — один из самых простых регрессионных методов (и вообще один из самых простых методов машинного обучения), который позволяет описывать линейную зависимость наблюдаемой величины от одного из признаков. В общем случае в задачах машинного обучения приходится сталкиваться с большим количеством различных признаков; одномерная линейная регрессия в таком случае выбирает тот из них, который позволяет добиться наилучшей корреляции с целевой функцией.



В [предыдущем посте][2] из этой серии мы обсудили точность вычислений средних и ковариаций, а также познакомились с методом Уэлфорда, который во многих случаях позволяет избежать вычислительных погрешностей в этих задачах. Сегодня мы рассмотрим практическое применение метода Уэлфорда в задаче одномерной линейной регрессии.



[![][3]][4]

[Читать дальше →][5]

[1]: http://www.machinelearning.ru/wiki/index.php?title=Simple_linear_regression
[2]: https://habrahabr.ru/post/333426/
[3]: https://habrastorage.org/web/147/7d1/fa8/1477d1fa8e6246ac81201caf9d097ce7.png
[4]: https://habrahabr.ru/post/335522/
[5]: https://habrahabr.ru/post/335522/?utm_source=habrahabr&utm_medium=rss&utm_campaign=feed_posts#habracut