Régression linéaire
par
, 06/05/2022 à 17h18 (2676 Affichages)
La régression linéaire est une approche statistique prédictive pour modéliser la relation entre une variable dépendante et un ensemble donné de variables indépendantes.
Lorsque nous n'avons qu'une seule variable indépendante, on parle alors de régression linéaire simple.
Pour plus d'une variable indépendante, le processus est appelé régression linéaire multiple.
Avec la régression linéaire, l'objectif est d'ajuster une ligne à travers la distribution qui est la plus proche de la plupart des points de l'ensemble d'apprentissage.
Dans la régression linéaire simple, la droite de régression minimise la somme des distances à partir des points individuels.
La régression linéaire peut également être obtenue dans le cas de données multidimensionnelles, c'est-à-dire des ensembles de données qui ont plusieurs caractéristiques. Dans ce cas, la « ligne » est juste un plan de dimension supérieure avec des dimensions « N-1 », N étant la dimension de l'ensemble de données.
Prochain billet : installation des librairies en environnement Python et exemple de régression linéaire.
Rhona Maxwel
www.urbanisation-si.com