Regressão Linear
Lição 16 de 19 do curso Introdução ao aprendizado de máquina da Coddy.
A Regressão Linear é um dos algoritmos mais fundamentais em machine learning para prever uma variável contínua. É o método padrão para estimar as relações entre variáveis e realizar previsões. Quer você esteja prevendo preços de casas, tendências do mercado de ações ou temperaturas, a regressão linear pode fornecer insights sobre como essas variáveis se correlacionam.
Fonte: wikipedia
A regressão linear tenta modelar a relação entre duas ou mais variáveis ajustando uma equação linear aos dados observados. Uma variável é considerada uma variável explicativa (independente) e a outra é considerada uma variável dependente.
A forma mais simples da equação de regressão linear com uma variável dependente e uma independente é definida da seguinte forma:
- Alpha representa o ponto de interceptação com o eixo y
- Beta representa a inclinação
Teste seus conhecimentosEsta lição inclui um quiz rápido. Comece a lição para respondê-lo e acompanhar seu progresso.
Teste seus conhecimentosEsta lição inclui um quiz rápido. Comece a lição para respondê-lo e acompanhar seu progresso.
Teste seus conhecimentosEsta lição inclui um quiz rápido. Comece a lição para respondê-lo e acompanhar seu progresso.
Desafio
FácilCrie uma função chamada linear_equation que recebe uma lista que representa um ponto de dados e uma lista que representa os coeficientes da equação linear.
A função retorna o resultado da equação linear.
Por exemplo
- se
n = 2, então o número de coeficientes é dois:y = b[0] + b[1]*x[1] - se
n = 3, então o número de coeficientes é três:y = b[0] + b[1]*x[1] + b[2]*x[2]
Experimente você mesmo
def linear_equation(coef, x):
# Escreva o código aquiTodas as lições de Introdução ao aprendizado de máquina
6Outros Modelos
Regressão LogísticaRegressão LinearÁrvore de DecisãoMáquina de Vetores de Suporte (SVM)Questionário sobre ModelosPratique por conta própria: Compilador de Python online