Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Apprendre Qu'est-ce que la Régression Linéaire | Régression Linéaire Simple
Régression Linéaire Avec Python
course content

Contenu du cours

Régression Linéaire Avec Python

Régression Linéaire Avec Python

1. Régression Linéaire Simple
2. Régression Linéaire Multiple
3. Régression Polynomiale
4. Choosing the Best Model

book
Qu'est-ce que la Régression Linéaire

Concepts de base

Note
Définition

La régression est une tâche d'apprentissage supervisé qui consiste à prédire une valeur numérique (par exemple, le prix d'une maison), appelée cible, à partir d'un ensemble de variables d'entrée (par exemple, la taille, l'âge, l'emplacement, etc.), appelées caractéristiques.

Pour entraîner le modèle, il est nécessaire de fournir de nombreux exemples de telles maisons, comprenant à la fois les caractéristiques et une cible. L'ensemble d'exemples utilisé pour entraîner le modèle est appelé ensemble d'entraînement.

Le modèle le plus simple capable d'effectuer des tâches de régression est la régression linéaire. Considérez ce nuage de points affichant la taille d'une personne et celle de son père.

Fonctionnement

La régression linéaire simple consiste simplement à ajuster une droite aux données de sorte que la ligne soit aussi proche que possible des points de données.

Prédictions

Nous pouvons maintenant utiliser cette droite pour prédire la cible pour un nouveau point.
Par exemple, supposons que vous souhaitiez prédire la taille d'une personne si son père mesure 63,5 pouces. Il suffit de choisir un point sur la droite correspondant à X=63,5, et sa valeur y est notre prédiction, tout simplement. Le modèle prédit que la personne mesurera 64,3 pouces.

Équation de la régression linéaire simple

Comme vous vous en souvenez peut-être de l'école, la fonction d'une droite est y=b+ax, donc pendant l'entraînement, la régression linéaire simple apprend simplement quelles valeurs doivent avoir a et b pour former la droite souhaitée. Les valeurs que le modèle apprend sont appelées paramètres, et plus loin dans le cours, nous noterons les paramètres en utilisant 𝛽 au lieu de a, b. Ainsi, notre équation de régression linéaire simple est :

1. En régression, la valeur que l'on souhaite prédire s'appelle :

2. Compléter les espaces

question mark

En régression, la valeur que l'on souhaite prédire s'appelle :

Select the correct answer

question-icon

Compléter les espaces

In the example, we predicted a person's height based on his father's height.
Then the father's height is a .
The person's height is a
.
Previous records with other people's and their father's known heights form a
.

Click or drag`n`drop items and fill in the blanks

Tout était clair ?

Comment pouvons-nous l'améliorer ?

Merci pour vos commentaires !

Section 1. Chapitre 1

Demandez à l'IA

expand

Demandez à l'IA

ChatGPT

Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion

course content

Contenu du cours

Régression Linéaire Avec Python

Régression Linéaire Avec Python

1. Régression Linéaire Simple
2. Régression Linéaire Multiple
3. Régression Polynomiale
4. Choosing the Best Model

book
Qu'est-ce que la Régression Linéaire

Concepts de base

Note
Définition

La régression est une tâche d'apprentissage supervisé qui consiste à prédire une valeur numérique (par exemple, le prix d'une maison), appelée cible, à partir d'un ensemble de variables d'entrée (par exemple, la taille, l'âge, l'emplacement, etc.), appelées caractéristiques.

Pour entraîner le modèle, il est nécessaire de fournir de nombreux exemples de telles maisons, comprenant à la fois les caractéristiques et une cible. L'ensemble d'exemples utilisé pour entraîner le modèle est appelé ensemble d'entraînement.

Le modèle le plus simple capable d'effectuer des tâches de régression est la régression linéaire. Considérez ce nuage de points affichant la taille d'une personne et celle de son père.

Fonctionnement

La régression linéaire simple consiste simplement à ajuster une droite aux données de sorte que la ligne soit aussi proche que possible des points de données.

Prédictions

Nous pouvons maintenant utiliser cette droite pour prédire la cible pour un nouveau point.
Par exemple, supposons que vous souhaitiez prédire la taille d'une personne si son père mesure 63,5 pouces. Il suffit de choisir un point sur la droite correspondant à X=63,5, et sa valeur y est notre prédiction, tout simplement. Le modèle prédit que la personne mesurera 64,3 pouces.

Équation de la régression linéaire simple

Comme vous vous en souvenez peut-être de l'école, la fonction d'une droite est y=b+ax, donc pendant l'entraînement, la régression linéaire simple apprend simplement quelles valeurs doivent avoir a et b pour former la droite souhaitée. Les valeurs que le modèle apprend sont appelées paramètres, et plus loin dans le cours, nous noterons les paramètres en utilisant 𝛽 au lieu de a, b. Ainsi, notre équation de régression linéaire simple est :

1. En régression, la valeur que l'on souhaite prédire s'appelle :

2. Compléter les espaces

question mark

En régression, la valeur que l'on souhaite prédire s'appelle :

Select the correct answer

question-icon

Compléter les espaces

In the example, we predicted a person's height based on his father's height.
Then the father's height is a .
The person's height is a
.
Previous records with other people's and their father's known heights form a
.

Click or drag`n`drop items and fill in the blanks

Tout était clair ?

Comment pouvons-nous l'améliorer ?

Merci pour vos commentaires !

Section 1. Chapitre 1
some-alt