До цього моменту ми розглядали лінійну регресію лише з однією ознакою. Це називається простою лінійною регресією. Але на практиці цільова змінна зазвичай залежить від кількох ознак. Лінійна регресія з більш ніж однією ознакою називається множинною лінійною регресією.

Рівняння лінійної регресії з двома ознаками

У нашому прикладі з ростом, додавання зросту матері як ознаки до моделі, ймовірно, покращить наші прогнози. Але як додати нову ознаку до моделі? Лінійну регресію визначає рівняння, тому нам потрібно просто додати нову ознаку до рівняння:

Візуалізація

Коли ми розглядали просту регресійну модель, ми будували двовимірний графік, де одна вісь — це ознака, а інша — цільова змінна. Тепер, коли у нас дві ознаки, нам потрібні дві осі для ознак і третя — для цільової змінної. Тобто ми переходимо з 2D-простору у 3D-простір, який значно складніше візуалізувати. На відео показано тривимірний діаграму-розсіювання для нашого прикладу.

Але тепер наше рівняння — це не рівняння прямої. Це рівняння площини. Ось діаграма розсіювання разом із передбаченою площиною.

Можливо, ви помітили, що з математичної точки зору наше рівняння не стало набагато складнішим. Але, на жаль, візуалізація ускладнилася.