Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?
Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur Graph Search.
Cette séance de cours couvre les fondamentaux de la régression linéaire, y compris les modèles univariés et multivariés, les fonctions d'erreur et la solution des moindres carrés ordinaires (OLS). L'instructeur explique le processus de formation, d'évaluation et de prédiction des modèles à l'aide de Scikit-Learn. La séance de cours se penche également sur l'importance des paramètres de performance tels que R2, MSE et MAE dans l'évaluation des modèles de régression. De plus, la procédure de fractionnement des essais de trains est discutée comme méthode d'estimation du rendement du modèle. Des exemples et des visualisations du monde réel sont utilisés pour illustrer les concepts.