4.1 Линейная модель регрессии.pdf

4.2 Least squares (Метод наименьших квадратов)

• 4.2 Метод наименьших квадратов.pdf

4.3 The method of least squares as a solution to the matrix equation. Part 1 (Метод наименьших квадратов как решение матричного уравнения. Часть 1)

• 4.3 Метод наименьших квадратов как решение матричного уравнения. Часть 1.pdf
• 4.3 Практика.pdf

4.4 The method of least squares as a solution to the matrix equation. Part 2 (Метод наименьших квадратов как решение матричного уравнения. Часть 2)

• 4.4 Практика (1).pdf
• 4.4 Метод наименьших квадратов как решение матричного уравнения. Часть 2 (1).pdf
• Practics Notebook

4.5 Model training with sklearn (Обучение модели с помощью sklearn)

• 4.5 Обучение модели с помощью sklearn.pdf
• 4.5 Практика ноутбук
• matrix_my.ipynb
• 4.7 Практическая работа.ipynb

5.1 Linear Regression Regularization (Регуляризация линейной регрессии)

• 5.1 Анализ результатов линейной регрессии
• 5.1 Анализ результатов линейной регрессии.pdf
• 5.1 Анализ результатов линейной регрессии.ipynb

5.2 Лассо, или L1-регуляризация

• 5.2 Лассо, или L1-регуляризация.pdf
• 5.2 Лассо или L1-регуляризация.ipynb

5.3 Гребневая регрессия или L2-регуляризация

• 5.3 Гребневая регрессия, или L2-регуляризация.pdf

• 5.3 Гребневая регрессия или L2-регуляризация.ipynb

• 5.5 Практическая работа.ipynb

6.1 Метрики и метрические методы. Метод ближайших соседей.

• 6.1 Метрики и метрические методы. Метод ближайших соседей.pdf
• 6.1 Практика.ipynb