<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Regression on ntdim</title><link>https://ppid.ru/tags/regression/</link><description>Recent content in Regression on ntdim</description><generator>Hugo</generator><language>ru</language><lastBuildDate>Wed, 05 Aug 2026 00:00:00 +0000</lastBuildDate><atom:link href="https://ppid.ru/tags/regression/index.xml" rel="self" type="application/rss+xml"/><item><title>Почему логистическая регрессия всё ещё бьёт нейросети: основы классического ML</title><link>https://ppid.ru/blog/classical-ml/</link><pubDate>Wed, 05 Aug 2026 00:00:00 +0000</pubDate><guid>https://ppid.ru/blog/classical-ml/</guid><description>&lt;p>Каждый раз, когда ChatGPT делает что-то умное, заголовки кричат про «революцию нейросетей». И возникает обманчивое впечатление, что старые алгоритмы — линейная регрессия, решающие деревья — это вчерашний день, музей ML. Но зайдите в любой банк, страховую компанию или e-commerce, посмотрите, что реально предсказывает отток клиентов, оценивает кредитный риск или ранжирует товары в выдаче. С вероятностью 80% там работает не LLM, а &lt;a href="https://ppid.ru/glossary/#gradient-boosting" class="glossary-link" data-tooltip="Ансамблевый метод: деревья решений строятся последовательно, каждое следующее предсказывает и корректирует ошибки (градиент) предыдущих. Доминирует в задачах на табличных данных и до сих пор превосходит нейросети на структурированных признаках." data-term="Градиентный бустинг (XGBoost, LightGBM)">градиентный бустинг&lt;/a> — алгоритм, которому в этом году исполняется 22 года.&lt;/p></description></item></channel></rss>