Riepilogo
Congratulazioni per aver completato l'introduzione alla regressione. Ecco un riepilogo dei punti importanti.
Si è appreso che la regressione cerca una relazione continua tra caratteristiche ed etichette, in genere spiegabile usando semplici calcoli matematici. Si è appreso che i modelli sono denominati in base a due fattori:
- Il tipo di curva a cui si adattano i modelli di regressione. Ad esempio, la regressione lineare cerca relazioni tra "linee rette", mentre la regressione polinomiale può funzionare con relazioni non lineari.
- Il numero di variabili usate: la regressione semplice usa una sola caratteristica, mentre quella multipla usa più caratteristiche.
Sono stati anche trattati i valori R2, che vengono usati per valutare il grado di adattamento del modello ai dati, con il numero 0 che indica che il modello è inefficace e 1 che indica che si adatta perfettamente.
Infine, è stata illustrata l'estrapolazione: la previsione dei valori usando caratteristiche esterne all'intervallo del set di dati di training. Mentre si è dimostrato che questa operazione è semplice usando i modelli di regressione, si è visto come i modelli potrebbero risultare irragionevoli se le funzionalità sono molto lontane da quelle nei dati di training.