Guide Complet De La Regression Lineaire En Python - Machine Learning
Вставка
- Опубліковано 19 лип 2024
- Dans cette vidéo du jour 40 du challenge #100JoursDeML, je vous montre comment faire une régression linéaire sous Python. Découvrez toutes les étapes de la sélection des variables à la vérification des hypothèses.
00:00 - Introduction
00:57 - Importation des packages
01:32 - Analyse des données
03:35 - Description de la base totale
09:10 - Description de la base d'entraînement
11:20 - Estimation du modèle
11:59 - Pourquoi la constante ?
12:59 - Interprétation du modèle
16:19 - Vérification de l'homoscédasticité
17:12 - Vérification de la multicollinéarité
19:00 - Vérification de la normalité
20:00 - Vérification de l'autocorrélation
20:57 - Quiz et abonnez-vous :)
Lien vers les vidéos du challenge: • Présentation du Challe...
Lien vers le Notebook: github.com/LeCoinStat/100Jour...
#100JoursDeML #LeCoinStat #datascience #machinelearning
---------------------------------------
SUIVRE LeCoinStat
UA-cam : ua-cam.com/channels/oin.html...
Discord: / discord
Linkedin: / natacha-njongwa-yepnga
TikTok: vm.tiktok.com/ZMLEgAhku/
Instagram : / lecoin_stat
Facebook : / lecoinstat
Lien vers le notebook: github.com/LeCoinStat/100JoursDeML/blob/main/05_Apprentissage_Supervise/01_Regression_Lineaire/01_Example/01_Linear_Regression_Boston_Housing.ipynb
Je suis en pleine reprise après une longue période de maternité. Vos vidéos sont un trésor. Merci
Bonne reprise à vous 🤗
Le background musique de la vedio cest exactement comme celle de Guillaume machine learnia ,excellent travail❤
Dès que j'ai vu ta vidéo je me suis abonné.
Continue ainsi 🎉🎉🎉
Bienvenue sur la chaîne 🎉🎉🎉
Sincèrement, tu as l'art d'enseigner. J'apprends beaucoup de choses avec tes vidéos. Je suis statisticien mais j'ignorais beaucoup de choses importantes que je découvre dans tes vidéos. Bravo!
Pour ta question: Si le modèle devrait avoir une constante et qu'on ne l'intègre pas dans notre modèle alors le R2 ne peut plus signifier le pouvoir explicative du modèle.
Merci beaucoup pour ce retour😇
Vidéo très instructive et complète. Veuillez juste diminuer le débit pour permettre un suivi plus attentif. Merci.
Merci beaucoup §
Je t'en prie Salabiakou
La prise en compte d’une constante dans la méthode des moindre carré (ols), permet de réduire la variance des résidus. Le modèle permet de mieux restituer le lien entre la variable dépendante (à expliquer) et les variables indépendantes (explicatives).
commencer par les modeles les plus simple .............merci❤
Always👌
Génial !! Merci Natacha.
Je t'en prie Warys:)
Merci beaucoup !
Je t'en prie:)
Très très bien expliqué!
Merci
Une très bonne référence pour construire un modèle de régression linéaire sur python
Thanks Lionel
Vraiment merci
De rien Lamine
🤩🤩
😇
❤❤ merci ✌️
Avec plaisir John
Pourriez-vous faire la même chose en utilisant Sklearn svp ?
Je note à to do list