簡單線性迴歸

其核心是，簡單線性迴歸技術試圖繪製兩個資料變數 x 和 y 之間的線形圖。做為自變數，x 會沿著水平軸繪製。自變數也被稱為解釋性變數或預測變數。因變數 y 會繪製在垂直軸上。您也可以參考 y 值作為響應變量或預測變數。

線性迴歸的步驟

對於此概述，考慮 y 和 x 之間的線圖方程的最簡單形式；y=c*x+m，其中 c 和 m 對於 x 和 y 的所有可能值而言都是常數。因此，例如，假設 (x,y) 的輸入資料集為 (1,5)、(2,8) 和 (3,11)。要確定線性迴歸方法，您將採取以下步驟：

1. 繪製一條直線，並測量 1 和 5 之間的相關性。
2. 繼續改變新值 (2,8) 和 (3,11) 的直線方向，直到所有值都適合。
3. 將線性迴歸方程式確定為 y=3*x+2。
4. 當 x 為時，推斷或預測 y 為 14

某些類型的迴歸分析比其他類型更適合處理複雜的資料集。以下是一些範例。

簡單線性迴歸

簡單線性迴歸由線性函數定義：

Y= β0*X + β1 + ε 

β0 和 β1 是表示迴歸斜率的兩個未知常數，而 ε (epsilon) 是誤差項。

您可以使用簡單的線性迴歸來建模兩個變數之間的關係，例如：

• 降雨量和作物產量
• 兒童的年齡和身高
• 溫度計中金屬汞的溫度和膨脹

多元線性迴歸

在多元線性迴歸分析中，資料集包含一個因變數和多個自變數。線性迴歸線函數會變化，包括以下更多因素，如下所示：

Y= β0*X0 + β1X1 + β2X2+…… βnXn+ ε 

隨著預測變數的數量增加，β 常數也相應增加。

 多元線性迴歸模型會將變數與其對結果的影響相乘：

• 降雨量、溫度和肥料使用對作物產量的影響
• 飲食和運動對心臟病的影響
• 工資增長和通貨膨脹對住房貸款利率的影響

邏輯迴歸

資料科學家使用邏輯迴歸來衡量事件發生的可能性。預測是介於 0 和 1 之間的值，其中 0 表示不太可能發生的事件，而 1 表示發生的最大可能性。邏輯方程式使用對數函數來計算迴歸線。

以下是一些範例：

• 在體育比賽中獲勝或失敗的概率
• 測試通過或失敗的概率 
• 圖像是水果或動物的概率