Линейная регрессия — один из наиболее распространенных алгоритмов машинного обучения. Как правило, это первый алгоритм, изучаемый на курсах машинного обучения, и он является строительным блоком для более сложных алгоритмов.

Линейная регрессия похожа на выяснение того, как две вещи связаны друг с другом.

Примеры линейной регрессии

Вы хотите знать, как ваш рост связан с вашим весом. Вы можете собирать данные о множестве людей разного роста и веса и отображать их на графике. Затем вы рисуете линию, проходящую через середину всех точек на графике. Эта линия помогает понять, как меняется вес при изменении роста. Теперь, если вы хотите узнать свой вес, если вырастете до определенного роста, вы можете использовать эту линию, чтобы сделать хорошее предположение.

Другим примером может быть то, как рост человека связан с размером его обуви. Вы можете собирать данные о росте людей и размерах обуви и использовать линейную регрессию, чтобы найти линию, которая показывает, как размер обуви меняется с ростом. Затем, если мы знаем чей-то рост, мы можем использовать линию, чтобы оценить размер его обуви.

Формула линейной регрессии

Формула, используемая для рисования линии на приведенном выше графике, выглядит следующим образом:

y = mx + b

Я попытаюсь объяснить приведенную выше формулу на примере. Допустим, вы хотите понять, как возраст человека связан с его доходом. В этом случае вы должны собрать данные как о возрасте, так и о доходе и использовать линейную регрессию для создания модели, описывающей взаимосвязь между доходом и возрастом. На основании этих вещей (доход и возраст)

«y» обозначает то, что вы хотите узнать или предсказать (в нашем примере это доход, ось Y на графике выше)
x" обозначает вещь, связанную с вещью, которую мы хотим выяснить (в нашем примере это возраст, ось x на графике выше)
m" означает, насколько вещь меняет вещь, которую мы хотим выяснить (скорость, с которой доход меняется с возрастом)
Наконец, "b" — это просто отправная точка (начальный доход для человека с нулевым возрастом).

Линейная регрессия использует все эти вещи, чтобы нарисовать линию на графике, которая помогает нам понять взаимосвязь между двумя интересующими нас вещами.

Заключение

В целом, линейная регрессия — это мощный и широко используемый инструмент для понимания взаимосвязи между переменными и создания прогнозов на основе этой взаимосвязи. Это простой, но эффективный алгоритм, который используется в различных областях и приложениях.