Régression linéaire

Leçon 16 sur 19 du cours Introduction à l’apprentissage automatique de Coddy.

La régression linéaire est l'un des algorithmes les plus fondamentaux de l'apprentissage automatique pour prédire une variable continue. C'est la méthode de référence pour estimer les relations entre les variables et faire des prévisions. Que vous prédisiez le prix des maisons, les tendances du marché boursier ou les températures, la régression linéaire peut donner un aperçu de la corrélation entre ces variables.

Source : wikipedia

La régression linéaire tente de modéliser la relation entre deux variables ou plus en ajustant une équation linéaire aux données observées. Une variable est considérée comme une variable explicative (indépendante), et l'autre est considérée comme une variable dépendante.
La forme la plus simple de l'équation de régression linéaire avec une variable dépendante et une variable indépendante est définie comme suit :

Alpha représente le point d'intersection avec l'axe y
Beta représente la pente

Testez-vous

Cette leçon comprend un petit quiz. Commencez la leçon pour y répondre et suivre votre progression.

Testez-vous

Cette leçon comprend un petit quiz. Commencez la leçon pour y répondre et suivre votre progression.

Testez-vous

Cette leçon comprend un petit quiz. Commencez la leçon pour y répondre et suivre votre progression.

Défi

Facile

Créez une fonction nommée linear_equation qui prend une liste représentant un point de données et une liste représentant les coefficients de l'équation linéaire.

la fonction renvoie le résultat de l'équation linéaire.

Par exemple

si n = 2, alors le nombre de coefficients est de deux : y = b[0] + b[1]*x[1]
si n = 3, alors le nombre de coefficients est de trois : y = b[0] + b[1]*x[1] + b[2]*x[2]

Essayez vous-même

def linear_equation(coef, x):
    # Écrire le code ici

Toutes les leçons de Introduction à l’apprentissage automatique

1Le début du parcours en ML

Introduction au ML Les données à fournir à un modèle Qu’est-ce qu’un modèle de ML ?

4Algorithme K-Means

Introduction à K-Means méthode fit méthode predict

2Présentation du machine learning

Apprentissage supervisé Apprentissage non supervisé

5Naive Bayes

Introduction à Naive Bayes méthode fit méthode predict

3K plus proches voisins (KNN)

Introduction à KNN Méthode fit Méthode predict

6Autres modèles

Régression logistiqueRégression linéaireArbre de décision Machine à vecteurs de support (SVM)Quiz sur les modèles

Entraînez-vous par vous-même : Compilateur Python en ligne