תקציר
ברכות על השלמת המבוא שלך ל רגרסיה! בוא סיכום הנקודות החשובות.
למדנו שה רגרסיה מחפש קשר גומלין רציף בין תכונות ותוויות, שניתן להסביר בדרך כלל באמצעות מתמטיקה פשוטה. למדנו ששמו של מודלים הוא שני דברים:
- סוג העקומה שמתאימים למודלים של רגרסיה. לדוגמה, רגרסיה ליניאארית מחפש קשרי גומלין מסוג "קו ישר", ואילו רגרסיה פולינומית יכולה לעבוד עם קשרי גומלין שאינם ליניאריים.
- כמה משתנים הם משתמשים: רגרסיה פשוטה משתמשת בתכונה אחת, בעוד ריבוי משתמש בתכונות מרובות.
בנוסף, כיסינו את ערכי R2, שבהם אנו משתמשים כדי להעריך את טיב ההתאמה של המודל לנתונים, כאשר המספר 0 אומר שהמודל אינו יעיל ו- 1 כלומר הוא מתאים בצורה מושלמת.
לבסוף, למדנו על אקסטרפולציה: חיזוי ערכים באמצעות תכונות הנמצאות מחוץ לטווח של ערכת נתוני ההדרכה שלנו. למרות שמצאנו שזה היה קל להשתמש במודלים של רגרסיה, ראינו כיצד מודלים יכולים להיות בלתי הגיוניים אם התכונות היו דרך ארוכה מהתכונות נתוני ההדרכה שלנו.