Concetti di base

Per addestrare il modello, è necessario fornire molti esempi di tali case, sia le feature che il target. L'insieme di esempi su cui si addestra il modello è chiamato training set.

Il modello più semplice in grado di eseguire compiti di regressione è la Regressione Lineare. Considera questo diagramma a dispersione che mostra l'altezza di una persona e quella di suo padre.

Come Funziona

La Regressione Lineare Semplice consiste semplicemente nell'adattare una retta ai dati in modo che la linea sia il più possibile vicina ai punti dati.

Realizzazione delle Previsioni

Ora è possibile utilizzare questa retta per prevedere il valore target per un nuovo punto.
Ad esempio, supponiamo di voler prevedere l'altezza di una persona se suo padre è alto 63.5 pollici. Basta selezionare un punto sulla retta che corrisponde a X=63.5, e il suo valore y rappresenta la nostra previsione. Il modello prevede che la persona sia alta 64.3 pollici.

Equazione della Regressione Lineare Semplice

Come forse ricorderai dalla scuola, la funzione di una retta è $y=b+ax$, quindi durante l'addestramento, la regressione lineare semplice apprende semplicemente quali valori devono assumere a e b per formare la retta desiderata. I valori che il modello apprende sono chiamati parametri, e più avanti nel corso, indicheremo i parametri usando $𝛽$ invece di $a$, $b$. Quindi la nostra equazione della regressione lineare semplice è:

Dove:

• $\beta_0, \beta_1$ – sono i parametri del modello;
• $y_{pred}$ – è la previsione del target;
• $x$ – è il valore della caratteristica.