O Que É Regressão Linear
Conceitos Básicos
Regressão é uma tarefa de aprendizado supervisionado que envolve a previsão de um valor numérico (por exemplo, o preço de uma casa), conhecido como alvo, com base em um conjunto de variáveis de entrada (por exemplo, tamanho, idade, localização, etc.), denominadas características.
Para treinar o modelo, é necessário fornecer vários exemplos dessas casas, incluindo tanto as características quanto o alvo. O conjunto de exemplos utilizado para treinar o modelo é chamado de conjunto de treinamento.
O modelo mais simples capaz de realizar tarefas de regressão é a Regressão Linear. Considere este gráfico de dispersão que exibe a altura de uma pessoa e a altura de seu pai.
Como Funciona
O que a Regressão Linear Simples faz é ajustar uma linha reta aos dados de modo que a linha fique o mais próxima possível dos pontos de dados.
Realizando as Previsões
Agora podemos usar essa linha para prever o alvo para um novo ponto.
Por exemplo, suponha que você queira prever a altura de uma pessoa se o pai dela tem 63.5 polegadas de altura. Basta escolher um ponto da linha que corresponda a X=63.5, e o valor de y é nossa previsão, simples assim.
O modelo prevê que a pessoa terá 64.3 polegadas de altura.
Equação da Regressão Linear Simples
Como você deve se lembrar da escola, a função de uma linha é y=b+ax, então durante o treinamento, a regressão linear simples apenas aprende quais valores a e b devem ter para formar a linha desejada. Os valores que o modelo aprende são chamados de parâmetros, e mais adiante no curso, vamos denotar os parâmetros usando 𝛽 em vez de a, b. Portanto, nossa equação de regressão linear simples é:
1. Em regressão, o valor que queremos prever é chamado de:
2. Preencha as lacunas
Obrigado pelo seu feedback!
Pergunte à IA
Pergunte à IA
Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo
Awesome!
Completion rate improved to 5.26O Que É Regressão Linear
Deslize para mostrar o menu
Conceitos Básicos
Regressão é uma tarefa de aprendizado supervisionado que envolve a previsão de um valor numérico (por exemplo, o preço de uma casa), conhecido como alvo, com base em um conjunto de variáveis de entrada (por exemplo, tamanho, idade, localização, etc.), denominadas características.
Para treinar o modelo, é necessário fornecer vários exemplos dessas casas, incluindo tanto as características quanto o alvo. O conjunto de exemplos utilizado para treinar o modelo é chamado de conjunto de treinamento.
O modelo mais simples capaz de realizar tarefas de regressão é a Regressão Linear. Considere este gráfico de dispersão que exibe a altura de uma pessoa e a altura de seu pai.
Como Funciona
O que a Regressão Linear Simples faz é ajustar uma linha reta aos dados de modo que a linha fique o mais próxima possível dos pontos de dados.
Realizando as Previsões
Agora podemos usar essa linha para prever o alvo para um novo ponto.
Por exemplo, suponha que você queira prever a altura de uma pessoa se o pai dela tem 63.5 polegadas de altura. Basta escolher um ponto da linha que corresponda a X=63.5, e o valor de y é nossa previsão, simples assim.
O modelo prevê que a pessoa terá 64.3 polegadas de altura.
Equação da Regressão Linear Simples
Como você deve se lembrar da escola, a função de uma linha é y=b+ax, então durante o treinamento, a regressão linear simples apenas aprende quais valores a e b devem ter para formar a linha desejada. Os valores que o modelo aprende são chamados de parâmetros, e mais adiante no curso, vamos denotar os parâmetros usando 𝛽 em vez de a, b. Portanto, nossa equação de regressão linear simples é:
1. Em regressão, o valor que queremos prever é chamado de:
2. Preencha as lacunas
Obrigado pelo seu feedback!
