Неплохая книга, да и иллюстрации красивые. Но это скорее введение введения на мой взгляд ։)
С другой стороны, порог входа довольно низкий, что является огромным плюсом

inkedsymon 19 мая в 18:59

Согласен с вами, продолжайте в том же духе, и, конечно, поздравляю с приглашением!

vlados_s_s 19 мая в 17:44

Статья понравилась, спасибо! Жду следующую!)

ysrgsyn 19 мая в 18:26

И вам спасибо за мнение!
Следующая уже в процессе. Постараюсь выложить завтра

kuketa 19 мая в 21:34

Статья очень интересная, жду 2 часть и хотелось бы чтобы вы еще показывали как то или иное выполняется кодом т е помимо теории показать как реализовать кодом и принципы
а так статься очень хорошая, жду продолжение

ysrgsyn 19 мая в 21:39

Благодарю!
До кода, думаю, пока рано. Но он обязательно будет.
Мы слегка копаем теоретическую часть. Вот дописал вторую часть, увы, вышла половина запланированного, чтобы не перегружать читателей двумя потоками инфы. Как допишу всё, что хотел рассказать о линейной регрессии будет статья с практической задачей с каким-то кагл датасетом и примером

ChePeter 20 мая в 05:16

А с чего это вдруг это пространство евклидово?

В -мерном вещественном евклидовом пространстве

ysrgsyn 20 мая в 06:11

Х и омега рассматриваются как элементы R^{k+1}, а сумма их поэлементных произведений — это каноническое скалярное произведение в евклидовом пространстве.

Действительно, в машинном обучении бывают случаи, где пространство признаков может быть комплексным или даже функциональным. Но в рамках вводной статьи про линейную регрессию я сознательно не стал уходить в эти дебри.

SaiNova272 20 мая в 16:36

Очень познавательно, подпишусь чтобы быть в теме. 🔥

tkutru 22 мая в 12:55

Красавчик.

Зарегистрируйтесь на Хабре, чтобы оставить комментарий