Souhrn
Blahopřejeme k dokončení úvodu k regresi! Pojďme rekapitulace důležitých bodů.
Zjistili jsme, že regrese hledá souvislý vztah mezi funkcemi a popisky, obvykle vysvětlitelné pomocí jednoduché matematiky. Zjistili jsme, že modely jsou pojmenované dvěma věcmi:
- Typ křivky, která regresní modely odpovídají. Lineární regrese například hledá relace "přímky", zatímco polynomická regrese může pracovat s nelineárními relacemi.
- Kolik proměnných používá: jednoduchá regrese používá jednu funkci, zatímco více používá více funkcí.
Probrali jsme také hodnoty R2 , které používáme k vyhodnocení toho, jak dobře náš model vyhovuje datům, s číslem 0, což znamená, že model je neefektivní a 1 znamená, že se dokonale hodí.
Nakonec jsme se dozvěděli o extrapolaci: předpovídání hodnot pomocí funkcí, které jsou mimo rozsah naší trénovací datové sady. I když jsme zjistili, že to bylo snadné pomocí regresních modelů, viděli jsme, jak by mohly být modely nerozumné, pokud by funkce byly dlouhým způsobem od funkcí v našich trénovacích datech.