До цього часу ми розглядали лінійну регресію лише з однією ознакою. Це називається простою лінійною регресією. Але на практиці найчастіше ціль залежить від декількох 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 2D-графік, де одна вісь — це ознака, а інша — ціль. Тепер, коли у нас дві ознаки, нам потрібні дві осі для ознак і третя — для цілі. Тобто ми переходимо з 2D-простору до 3D, який значно складніше візуалізувати. На відео показано 3D-діаграму розсіювання для набору даних у нашому прикладі.

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

Ви могли помітити, що з математичної точки зору наше рівняння не стало набагато складнішим. Але, на жаль, візуалізація ускладнилася.