La regresión es el proceso de ajustar una función continua (aproximada) a un conjunto de puntos de datos independientes.
Esto es útil para aproximar valores dependientes (y) para valores independientes (x) que no están presentes en el conjunto de datos. Incluso puede usar esta curva de regresión para predecir valores de y para x que están fuera del rango del conjunto de datos actual (extrapolación).
Existen diferentes tipos de funciones que podría ajustar a los datos para proporcionar las mejores aproximaciones, incluidas las cuadráticas, cúbicas, cuárticas, de potencia, logarítmicas y otras.
Regresión lineal
- ¿Cuáles son los casos de uso (existentes o futuros) en los que el uso de la Red Adversaria Generativa es particularmente interesante?
- Cómo crear rápidamente un prototipo de una aplicación de reconocimiento de imágenes utilizando el aprendizaje automático y la red neuronal
- ¿Qué pensaría BF Skinner del aprendizaje automático?
- ¿Cuál es la mejor manera de implementar mi algoritmo de reducción de dimensiones?
- ¿Cuáles son las características del texto en la minería de datos?
Fuente: Los ácidos grasos de la leche materna pueden vincular la regulación inmune innata y adaptativa: análisis de CD14 soluble, prostaglandina E2 y ácidos grasos
Puede trazar el gráfico residual, que es igual a y (x) – y_approximado (x) para cada x. Si esta gráfica está dispersa aleatoriamente, esto significa que el tipo de función elegido encaja bien.
Si hay un patrón en la gráfica, podría haber un mejor tipo de función para elegir para los datos.
Fuente: Parcela residual: definición