Сегодня вспоминал  регрессию. Полистал парочку своих небольших работ на эту тему. Сосредоточился на линейной сегодня.

Вообще регрессия в ml это тип задач когда надо предсказать числовое значение. Регрессия относится к методам обучения с учителем.

Это значит что у нас есть обучающая выборка ретроспективных данных в которой есть признаки (входные данные) и целевая переменная (выход, который мы хотим предсказать).

Если грубо сказать как это работает - модель ищет зависимости и подбирает коэффициенты для каждого из признаков, определяя степень его влияния на целевую переменную.

В итоге мы получаем что-то типа Y= w0 +w1x1 +w2x2+...+wn*xn Для примера формула предсказания уровня сахара в крови может выглядеть как Уровень_сахара = -0.4 * 0.3 + возраст + 0.5 * вес + 0.2 * давление С первого взгляда конечно это все очень просто но нюансов конечно же куча например- аудит признаков, регуляризация, нормализация/стандартизация, настройка гиперпараметров, кросс валидация и анализ остатков. В ближайшие дни вспомню и расскажу про все это, т.к. сегодня я очень ограничен по времени.

Картинка сгенерирована джемини) Всем добра и умных ласковых машин.