Comments 9
Занимательна терминологическая путаница с понятием линейной/нелинейной регрессии, так как полиномиальная (по фичам) регрессия все равно остается линейной по параметрам.
Это проявляется потом, когда условный студент читает в описании метода, что он применим только для линейных регрессий, и расстраивается, что этот метод не подходит, так как у нас полиномиальная.
В статье нигде не дается ложное понятие, что полиномиальная регрессия не остается линейной, проводится лишь сравнение применения той или иной для данных задач. Единственное, где говориться про нелинейность – пример про повышение зарплаты сотрудника, где она происходит, и в правду, не линейно.
Даже наоборот, в статье дается пример на том, что мы использовали ту же модель, но с добавлением фичей второй степени, что никак не говорит о том, что вы предположили про статью.
Возможно, упущение в том, что стоило более четко разобрать эту проблему, спасибо!
Зря вы на первом графике легенду поленились передвинуть: она закрывает важную точку, без которой возникает иллюзия ошибки в расчёта параметров регрессии.
Да, согласен, легенду можно было сдвинуть. Но если к графику настолько пристальный интерес, то можно заметить, что легенда имеет прозрачность!:) Здесь акцент делался на данной библиотеке визуализации не только из-за ее простоты и красоты, но еще из-за интерактивности. Если захотите запустить этот код, то можете взглянуть под легенду точечно
В формуле с МАЕ должен быть знак суммы по логике. Если нет, то поясните пожалуйста почему так.
За мемы из матрицы отдельный плюсик :D
Полиномиальная регрессия и метрики качества модели