В этом видео вы узнаете, почему для линейной регрессии минимизация среднеквадратичной ошибки эквивалентна максимизации правдоподобия. Благодаря этому, станет понятно какие предположения заложены в модель. С этим знанием вы станете лучше разбираться, когда метод стоит применять, а когда он будет плохим выбором и почему. Если что-то осталось непонятным, то пиши в комментарии. Рад любому фидбеку. Я буду всё смотреть и на всё отвечать :) vk:
https://vk.com/leshanbog twitter: / leshanbog instagram: / leshanbog 0:00 - Приветствие 0:31 - Постановка задачи линейной регрессии 2:37 - Среднеквадратичное отклонение 4:00 - Поиск параметров через минимизацию ошибки 6:09 - Введение вероятностной модели 8:26 - Поиск параметров через максимизацию правдоподобия 13:36 - Показываем эквивалентность 15:06 - Перечисляем предположения метода 15:15 - Итоги
