Доброе утро, друзья!
Каждый раз, когда Вы используете линейную регрессию прямо «из коробки», задумываетесь ли Вы о том, как она устроена изнутри? Порассуждаем об этом в посте.

А что если использовать свои навыки регрессии, чтобы предсказать длину головы опоссума по остальным метриками его тела?

Друзья, известно, что линейная регрессия — это алгоритм Machine Learning, базирующийся на обучении с учителем. Регрессия моделирует целевое значение прогноза на основе независимых переменных. Алгоритм применяется для определения взаимосвязи между переменными и прогнозирования.
В этой статье я покажу, как можно использовать библиотеки Python для того, чтобы создать линейную регрессию на имеющемся заданном наборе данных. В частности, будет использована бинарная линейная модель, чтобы было проще визуализировать ее.

Одной из самых популярных моделей для исследования временных рядов является ARIMA. В статье мы кратко расскажем об этой модели о долгосрочной памяти и рассмотрим необычный способ оценки параметра d с помощью метода нормированного размаха.

В предыдущей публикации мы написали о возможности обмениваться информацией для построения отчетов на Power BI.
Сейчас мы расскажем об анализе данных с помощью облачного сервиса Google BigQuery.