- Régression linéaire simple
- Code et jeu de données
- Bugs et demandes de fonctionnalités
- Soumettre une pull request
- droits d'auteur
Dans la régression (également connue sous le nom d'approximation de fonction), nous sommes intéressés à prédire une variable (dépendante) à partir d'une ou plusieurs variables (indépendantes) (de n'importe quel type de données). Si nous avons une variable indépendante, il s'agit d'une simple régression, par exemple, prédire la taille à partir du poids. S'il y en a plusieurs, il s'agit d'une régression multiple, par ex. prédire la taille à partir du poids et de l'âge.
La régression implique la causalité. Le changement de la variable dépendante est dû au changement de la variable indépendante.
La régression linéaire implique que la relation entre la variable dépendante et la variable indépendante est linéaire et peut donc être décrite par une ligne droite connue sous le nom deligne de régression. Nous sommes en train de trouver une droite de régression qui correspond (touche) au nombre maximum de points de données (nombre de points de données = nombre d'enregistrements dans l'ensemble de données).
L'incapacité de la droite de régression à toucher tous les points de données d'apprentissage est appelée biais. Un modèle d'apprentissage automatique avec un biais élevé accorde peu d'attention aux données d'apprentissage et simplifie à l'extrême le modèle.cliquez pour tweeter
Lorsque le même modèle de régression est exécuté sur le jeu de données de test, la métrique de performance du modèle est réévaluée. Si la valeur métrique sur les données de test est inférieure à celle obtenue sur les données d'apprentissage, le modèle est ditsur-ajustement. Si c'est l'inverse, alors on dit que le modèle estsous-équipement. Cette différence d'ajustement (biais) entre différents ensembles de données (ensemble de données d'entraînement et de test dans notre cas) est appeléevariance. La variance est liée à un modèle qui ne correspond pas à l'ensemble de données de test. Un modèle à forte variance ne se généralise pas bien sur l'ensemble de données de test et est dit surajusté.
Continuez à lire surLinkedIn
Lacode Pythonet lefichier de donnéesest sur github.
Identifié un bug dans le code ou une demande de fonctionnalité,merci d'ouvrir un nouveau sujet
Code et documentation copyright 2020–2022l'auteur. Code publié sous la licence MIT. Documents publiés sousCreative Commons.