Summary  
This chapter demonstrates how to extend simple linear regression to multiple linear regression with two features by adding an additional term to the regression equation and interpreting the result as a plane in 3D space.  

General domain of usage  
Machine learning regression tasks

Hittills har vi tittat på linjär regression med endast en variabel. Detta kallas enkel linjär regression.
Men i verkligheten beror målet oftast på flera variabler. Linjär regression med fler än en variabel kallas **Multipel linjär regression**.

## Två-variabel linjär regressions-ekvation
I vårt exempel med längder skulle det sannolikt förbättra våra förutsägelser om vi lade till moderns längd som en variabel i modellen. Men hur lägger vi till en ny variabel i modellen? En ekvation definierar linjär regression, så vi behöver bara lägga till en ny variabel i ekvationen:

## Visualisering
När vi diskuterade den enkla regressionsmodellen byggde vi ett 2D-diagram där en axel är egenskapen och den andra är målet. Nu när vi har två egenskaper behöver vi två axlar för egenskaperna och en tredje för målet. Vi går alltså från ett 2D-utrymme till ett 3D-utrymme, vilket är mycket svårare att visualisera. Videon visar ett 3D-spridningsdiagram av datasetet i vårt exempel.

Men nu är vår ekvation inte en linjes ekvation. Det är en planets ekvation. Här är ett spridningsdiagram tillsammans med den förutsagda planeten.

Du kanske har märkt att vår ekvation matematiskt sett inte har blivit mycket svårare. Men tyvärr har visualiseringen blivit det.

Linjär regression är ett avgörande begrepp inom prediktiv analys. Det används ofta av data scientists, dataanalytiker och statistiker eftersom det är enkelt att bygga och tolka men tillräckligt kraftfullt för många uppgifter.

Vi börjar med den enklaste modellen för linjär regression. Du kommer att lära dig grunderna i linjär regression och hur man gör prediktioner i Python.

De flesta prediktionsuppgifter i verkliga tillämpningar involverar fler än en variabel. Du kommer att lära dig hur man hanterar linjär regression med flera variabler.

En rät linje beskriver inte alltid data på ett tillfredsställande sätt. Lär dig hur du bygger en mer komplex modell för prediktion. Det är vad polynomregression är avsedd för.

Nu när du vet hur man bygger flera linjära regressionsmodeller behöver du ett sätt att välja den bästa. Detta är möjligt med hjälp av metrik. Denna sektion förklarar de mest använda metoderna och de svårigheter du kan stöta på när du använder dem.

Linjär Regression med Två Variabler

Två-variabel linjär regressions-ekvation

Visualisering