معرفی رگرسیون خطی (Linear Regression) و بررسی کاربرآن در زندگی روزمره
اسم تکنیک: Linear Regression یا رگرسیون خطی.
توی این مقاله ، قصد
داریم با رگرسیون خطی آشنا شده وموارد استفاده ی اون رو بررسی کنیم. یکی از منابعی که من بعنوان مرجع این مقاله درنظر گرفتم یک دوره ی آموزش یادگیری ماشین هست که توسط دانشگاه استنفورد بصورت رایگان برگزار میکنه. خودم هم قسمت هایی رو کم و زیاد میکنم به این امید که مطلب قابل فهم تر بشه. پیشنهاد میکنم به این پایگاه وب نگاهی بندازید و سعی کنید با اصطلاحات انگلیسی اون هم آشنا بشید.
اول بیایم مفاهیم زیر رو در نظر بگیریم.
داده ی گسسته و پیوسته:
به زبان ساده، وقتی میخوایم چیزی رو توصیف کنیم که مقدارش محدود و مشخصه، این داده ی ما گسسته است. مثال: اندازه ی لباس میتونه کوچک، متوسط و یا بزرگ باشه. یک مثال دیگه که توی دانش نامه ی ویکیپدیا اومده، در طبقه بندی آدما، میگیم نوزاد، کودک، نوجوان، جوان، بزرگ‌سال، میان‌سال و کهن‌سال. همینطور که میبینید، بازه ی ما محدود میشه به چند انتخاب مشخص. ما حالتی مثل بزرگتر از کودک و کوچیک تر از نوجوان نداریم. داده ی گسسته هم میتونه عددی باشه مثلِ (از یک تا پنج) یا میتونه کلمه و طبقه بندی باشه مثلِ سایز لباس.
ازطرف دیگه، داده ی پیوسته با بازه سر و کار داره و بین دو نمونه داده یِ پیوسته میشه بینهایت حالت تعریف کرد. مثلا قیمت یک کالا یا دمای هوا. اساسا" داده های پیوسته عددی هستند.
رابطه ی خطی:
به زبان ساده،
