Regresja liniowa może wydawać się skomplikowanym terminem, ale w istocie jest przydatnym narzędziem, które pomaga nam zrozumieć i przewidzieć relacje między dwiema zmiennymi.
O co chodzi z regresją liniową?
W istocie regresja liniowa polega na znalezieniu linii, która najlepiej pasuje do zbioru punktów na wykresie. Ta linia pomaga nam w przewidywaniu. Wyobraź sobie, że nanosisz punkty na wykresie — sprawdzamy trend.
Magiczne równanie:
Każda prosta jest reprezentowana przez funkcję liniową: Y = mX + b. Gdzie:
-
Y: To, co próbujemy przewidzieć (np. Twoja waga).
-
X: Czego używamy do przewidywania (np. Twój wzrost).
-
m: Nachylenie linii.
-
b: Punkt początkowy linii.
Jak to działa?
Pomyśl o tym w ten sposób: jeśli znasz wzrost grupy ludzi i odpowiadającą im wagę, regresja liniowa rysuje linię przechodzącą przez te punkty. Ta linia pomaga nam odgadnąć wagę nowej osoby na podstawie jej wzrostu.
Przykłady z życia wzięte:
-
Sprzedaż lodów i temperatura: Gorący dzień (X), więcej sprzedanych lodów (Y)
-
Godziny nauki i wyniki egzaminów: Więcej godzin nauki (X), wyższe wyniki egzaminów (Y).
Proces:
-
Zbieraj dane: Uzyskaj informacje na temat rzeczy, których się uczysz, takich jak wzrost i waga.
-
Narysuj linię: Linia łączy kropki na wykresie. Może to być proces iteracyjny lub zastosowanie dokładnych rozwiązań.
-
Twórz przewidywania: użyj linii, aby przewidzieć jedną rzecz na podstawie drugiej.
Dlaczego to ma znaczenie?
Prognozy! Pomaga nam odgadnąć wyniki na podstawie istniejących wzorców.
To podstawa bardziej zaawansowanej magii danych.
Ostrożność:
Działa najlepiej, gdy relacja jest w miarę prosta. Jeśli jest wszędzie, sytuacja może się skomplikować.
Opanuj analitykę danych i sztuczną inteligencję z Code Labs Academy! Dołącz do naszego internetowego Bootcampu – dostępne elastyczne opcje w niepełnym i pełnym wymiarze godzin.
