Les moindres carrés récursifs

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (29)

Page 3 sur 3

Régression linéaire : Fondements

Couvre les bases de la régression linéaire, y compris l'OLS, l'hétéroskédasticité, l'autocorrélation, les variables instrumentales, l'estimation maximale de la probabilité, l'analyse des séries chronologiques et les conseils pratiques.

Régression : Hautes Dimensions

Explore la régression linéaire en dimensions élevées et la prévision pratique des prix des maisons à partir d'un ensemble de données.

Régression linéaire : bases et applications

Couvre les bases de la régression linéaire, de la formation aux applications du monde réel et aux scénarios multi-sorties.

Estimation de vraisemblance et moindres carrés

Introduit une régression linéaire normale simple et multiple et une estimation du maximum de vraisemblance avec des exemples pratiques.

Régression linéaire : bases et applications

Explore la régression linéaire en utilisant la méthode des moindres carrés pour adapter les points de données à l'équation y = ax + b.

Régression linéaire : fondements et applications

Introduit la régression linéaire, couvrant ses fondamentaux, ses applications et ses mesures d'évaluation dans l'apprentissage automatique.

Régression linéaire : estimation et prévision

Couvre les bases de la régression linéaire, en mettant l'accent sur l'estimation et la prédiction.

Estimation linéaire MM SE

Couvre les principes de l'estimation linéaire MM SE et de la minimisation des erreurs en régression linéaire.

Régression linéaire et dorsale

Couvre la régression linéaire et de crête, le surajustement, les hyperparamètres et les ensembles d'essai.