【生活中的未來語言 數學、Python、AI】11. 線性迴歸(重新上傳)

摘要

透過模擬資料與加州房價預測，實作線性迴歸模型並介紹 MSE、RMSE、R² 等評估指標。觀眾能掌握建立、訓練、預測的三步驟，並學習處理非線性資料與資料清洗技巧。

This course teaches linear regression using simulated data and the California housing dataset, covering model building, training, prediction, and evaluation metrics.

這筆內容還沒有取得字幕或內文，這段摘要只根據標題與說明欄產生，可能不夠準確；實際內容請以原站為準。

提到的工具與公司

• Colab
• LinearRegression
• BeautifulSoup

適合誰看

正在學習機器學習基礎或需要實作 AI 模型的程式開發者。

摘要依據

講者

蔡炎龍

依據

標題與說明欄（還沒有取得字幕或內文）

為什麼排在這裡

人氣

0.07

新鮮

0.56

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• 【生活中的未來語言 數學、Python、AI】11. 線性迴歸影片 ・ Iveai - I've AI ・ 1 小時 4 分
• Stanford CS229 Machine Learning | Spring 2026 | Lecture 2: Supervised Learning Setup影片 ・ Stanford Online ・ 1 小時 18 分
• An Open Course on LLMs, Led by Practitioners文章 ・ Hamel Husain（部落格）
• Build evals from real production data影片 ・ Braintrust ・ 45 分鐘
• Stanford CS229 Machine Learning | Spring 2026 | Lecture 3: Weighted Least Squares影片 ・ Stanford Online ・ 1 小時 2 分
• Next Level AI Evals for 2026Podcast ・ Vanishing Gradients ・ 54 分鐘