Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Impara Che cos'è la regressione lineare | Regressione Lineare Semplice
Regressione Lineare con Python
course content

Contenuti del Corso

Regressione Lineare con Python

Regressione Lineare con Python

1. Regressione Lineare Semplice
2. Regressione Lineare Multipla
3. Regressione Polinomiale
4. Scelta del Modello Migliore

book
Che cos'è la regressione lineare

Concetti di base

Note
Definizione

Regressione è un compito di apprendimento supervisionato che consiste nel prevedere un valore numerico (ad esempio, il prezzo di una casa), noto come target, basandosi su un insieme di variabili di input (ad esempio, dimensione, età, posizione, ecc.), chiamate feature.

Per addestrare il modello, è necessario fornire molti esempi di tali case, sia le feature che un 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.

Effettuare le Previsioni

Ora possiamo 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 scegliere un punto sulla retta che corrisponde a X=63,5, e il suo valore y sarà la nostra previsione, molto semplice. 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:

1. Nella regressione, il valore che vogliamo prevedere si chiama:

2. Completa gli spazi vuoti

question mark

Nella regressione, il valore che vogliamo prevedere si chiama:

Select the correct answer

question-icon

Completa gli spazi vuoti

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

Tutto è chiaro?

Come possiamo migliorarlo?

Grazie per i tuoi commenti!

Sezione 1. Capitolo 1

Chieda ad AI

expand

Chieda ad AI

ChatGPT

Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione

course content

Contenuti del Corso

Regressione Lineare con Python

Regressione Lineare con Python

1. Regressione Lineare Semplice
2. Regressione Lineare Multipla
3. Regressione Polinomiale
4. Scelta del Modello Migliore

book
Che cos'è la regressione lineare

Concetti di base

Note
Definizione

Regressione è un compito di apprendimento supervisionato che consiste nel prevedere un valore numerico (ad esempio, il prezzo di una casa), noto come target, basandosi su un insieme di variabili di input (ad esempio, dimensione, età, posizione, ecc.), chiamate feature.

Per addestrare il modello, è necessario fornire molti esempi di tali case, sia le feature che un 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.

Effettuare le Previsioni

Ora possiamo 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 scegliere un punto sulla retta che corrisponde a X=63,5, e il suo valore y sarà la nostra previsione, molto semplice. 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:

1. Nella regressione, il valore che vogliamo prevedere si chiama:

2. Completa gli spazi vuoti

question mark

Nella regressione, il valore che vogliamo prevedere si chiama:

Select the correct answer

question-icon

Completa gli spazi vuoti

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

Tutto è chiaro?

Come possiamo migliorarlo?

Grazie per i tuoi commenti!

Sezione 1. Capitolo 1
some-alt