Résumé
Félicitations pour avoir terminé votre introduction à la régression ! Récapitulons les points importants.
Nous avons appris que la régression recherche une relation continue entre les caractéristiques et les étiquettes, généralement explicable à l'aide de calculs mathématiques simples. Nous avons appris que les modèles sont nommés sur la base de deux caractéristiques :
- Le type de courbe des modèles de régression. Par exemple, la régression linéaire recherche les relations « en ligne droite », alors que la régression polynomiale peut fonctionner avec des relations non linéaires.
- Le nombre de variables qu'ils utilisent : la régression simple utilise une seule caractéristique, tandis que la régression multiple en utilise plusieurs.
Nous avons également abordé les valeurs R2 , que nous utilisons pour évaluer la façon dont notre modèle correspond aux données, avec le nombre 0, ce qui signifie que le modèle est inefficace et 1 signifie qu’il s’adapte parfaitement.
Enfin, nous avons découvert l’extrapolation, à savoir la prédiction de valeurs à l’aide de caractéristiques situées en dehors de la plage de notre jeu de données d’entraînement. Bien que l’utilisation des modèles de régression nous facilite la tâche, nous avons vu à quel point les modèles pouvaient être irréalistes si les caractéristiques étaient très éloignées des caractéristiques de nos données d’entraînement.