الانحدار الخطي
الدرس 16 من 19 في دورة مقدمة في تعلم الآلة على Coddy.
يعد الانحدار الخطي أحد أكثر الخوارزميات الأساسية في تعلم الآلة للتنبؤ بمتغير مستمر. إنه الطريقة المفضلة لتقدير العلاقات بين المتغيرات والتنبؤ. سواء كنت تتنبأ بأسعار المنازل، أو اتجاهات سوق الأسهم، أو درجات الحرارة، يمكن للانحدار الخطي أن يوفر نظرة ثاقبة حول كيفية ارتباط هذه المتغيرات.
المصدر: ويكيبيديا
يحاول الانحدار الخطي نمذجة العلاقة بين متغيرين أو أكثر من خلال ملاءمة معادلة خطية للبيانات المرصودة. يُعتبر أحد المتغيرات متغيراً تفسيرياً (مستقلاً)، والآخر يُعتبر متغيراً تابعاً.
يتم تعريف أبسط شكل لمعادلة الانحدار الخطي مع متغير تابع واحد ومتغير مستقل واحد على النحو التالي:
- تمثل ألفا (Alpha) نقطة التقاطع مع المحور y
- تمثل بيتا (Beta) الميل
اختبر نفسكيتضمن هذا الدرس اختبارًا قصيرًا. ابدأ الدرس للإجابة عليه وتتبّع تقدمك.
اختبر نفسكيتضمن هذا الدرس اختبارًا قصيرًا. ابدأ الدرس للإجابة عليه وتتبّع تقدمك.
اختبر نفسكيتضمن هذا الدرس اختبارًا قصيرًا. ابدأ الدرس للإجابة عليه وتتبّع تقدمك.
التحدي
سهلقم بإنشاء دالة باسم linear_equation تأخذ قائمة تمثل نقطة بيانات وقائمة تمثل معاملات المعادلة الخطية.
تعيد الدالة ناتج المعادلة الخطية.
على سبيل المثال
- إذا كان
n = 2، فإن عدد المعاملات هو اثنان:y = b[0] + b[1]*x[1] - إذا كان
n = 3، فإن عدد المعاملات هو ثلاثة:y = b[0] + b[1]*x[1] + b[2]*x[2]
جرّب بنفسك
def linear_equation(coef, x):
# اكتب الكود هناجميع دروس مقدمة في تعلم الآلة
6نماذج أخرى
الانحدار اللوجستيالانحدار الخطيشجرة القرارآلة المتجهات الداعمة (SVM)اختبار قصير حول النماذجتدرّب بنفسك: مترجم Python عبر الإنترنت