Bài giảng Máy học nâng cao: Linear regression - Trịnh Tấn Đạt (2024)

Truyện thuật toán Linear Regression của Trịnh Tấn Đạt từ Khoa CNTT - ĐH Sài Gòn giới thiệu về hồi qui tuyến tính (Linear Regression), khái niệm, phương pháp ước lượng tham số, các mở rộng và ứng dụng, chia thành nhiều phần, bao gồm phương pháp Gradient Descent, cải tiến và hai ví dụ thực hành.

Nhà nghiên cứu, học viên chuyên ngành CNTT, doanh nghiệp sử dụng Linear Regression trong quá trình hoạch định và thực hiện

Truyện Linear Regression giới thiệu khái niệm hồi qui tuyến tính bao gồm nội dung về hồi qui tuyến tính đơn biến và đa biến, cách ước lượng tham số, phương pháp Gradient Descent và cải tiến của nó, bao gồm Momentum, Batch Gradient Descent, Stochastic Gradient Descent và Mini-batch Gradient Descent. Tài liệu cũng cho thấy hai ví dụ thực hành sử dụng Linear Regression: một đơn vị dự đoán cân nặng của một người dựa trên chiều cao của họ, và một ví dụ về dự đoán giá bất động sản sử dụng Boston Housing Dataset. Các phần tương đối chi tiết trong tài liệu đề cập đến cách tính toán chiều quyết định (R-squared), chiều băm mạch (Mean Squared Error) và chiều băm mạch không trung bình (Root Mean Square Error).