ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ
Что такое линейная регрессия?
Машинное обучение для линейной регрессии
Исходная статья на моем сайте - здесь.
Линейная регрессия - это статистический метод, который принадлежит к более общему семейству статистических подходов, называемых «линейными моделями». Линейная регрессия используется для понимания взаимосвязи между переменной ответа и одной или несколькими независимыми переменными.
В линейной регрессии мы предполагаем, что существует линейная связь между переменной ответа и независимыми переменными. Другими словами, мы предполагаем, что если мы добавим дополнительную единицу к одной из независимых переменных, переменная ответа вырастет на некоторую фиксированную величину.
В чем разница между линейной и логистической регрессией?
Линейная регрессия - это статистический метод, используемый для анализа взаимосвязи между двумя переменными. Логистическая регрессия - это статистический метод, используемый для анализа взаимосвязи между одной зависимой переменной и одной или несколькими независимыми переменными.
Линейную регрессию можно рассматривать как прогностическую модель для понимания взаимосвязи между двумя непрерывными переменными.
С другой стороны, логистическую регрессию можно рассматривать как прогностическую модель для понимания взаимосвязи между одной непрерывной переменной и качественной переменной.
Линейная регрессия и логистическая регрессия - статистические различия
Модели линейной регрессии используются для данных, которые не являются экспоненциальными. Модели линейной регрессии менее сложны, чем модели логистической регрессии, но они не обеспечивают точных прогнозов.
Модели линейной регрессии более интуитивно понятны и проще для понимания. Это связано с тем, что линейные функции можно нарисовать на графике, на котором легко проследить взаимосвязь между независимыми и зависимыми переменными.
Модели логистической регрессии более сложны, потому что они создают S-образную кривую, что затрудняет наблюдение взаимосвязи между независимыми и зависимыми переменными.
Подпишитесь на мою рассылку, чтобы получать все новости о моей работе :).
