مفهوم الانحدار الخطي

الانحدار الخطي هو أحد أبسط الخوارزميات وأكثرها استخدامًا على نطاق واسع في التعلم الخاضع للإشراف. إذ ينمذج العلاقة بين متغيرين من خلال ملاءمة خط مستقيم للبيانات.

يُسمّى هذا الخط خط أفضل ملاءمة.

متى نستخدم الانحدار الخطي

يُعدّ الانحدار الخطي مناسبًا لـ:

• التنبؤ بالقيم المستمرة (مثل أسعار المنازل ودرجة الحرارة).
• فهم العلاقات بين المتغيرات المستقلة والتابعة.

المكوّنات الأساسية للانحدار الخطي

المكوّنات الرئيسية لنموذج الانحدار الخطي هي:

• الميل: يحدّد زاوية الخط.
• المقطع: النقطة التي يتقاطع عندها الخط مع المحور y.
• الخطأ: الفرق بين القيم الفعلية والقيم المتوقعة.

صيغة الانحدار الخطي

صيغة الانحدار الخطي هي:

y = mx + b

• y: المتغير التابع (ما تريدون التنبؤ به).
• m: ميل الخط.
• x: المتغير المستقل (بيانات الإدخال).
• b: المقطع (الثابت).

كيفية عمل الانحدار الخطي

يقلّل الانحدار الخطي الفرق بين القيم الفعلية والمتوقعة من خلال إيجاد الخط الذي يقلّل مجموع مربعات الأخطاء (طريقة المربعات الصغرى).

وهذا يضمن أن يكون الخط أقرب ما يمكن إلى جميع نقاط البيانات.

التمثيل المرئي للانحدار الخطي

يُعرض نموذج الانحدار الخطي عادةً باستخدام مخطط مبعثر لنقاط البيانات وخط أفضل ملاءمة.

إليكم مثالًا على مجموعة بيانات:

• المتغير المستقل (x): 1, 2, 3, 4, 5
• المتغير التابع (y): 2, 4, 6, 8, 10

حالات الاستخدام الشائعة للانحدار الخطي

يُستخدم الانحدار الخطي على نطاق واسع في:

• الاقتصاد: التنبؤ بأسعار الأسهم.
• الرعاية الصحية: تقدير مدة تعافي المريض.
• التسويق: التنبؤ بإيرادات المبيعات.

قيود الانحدار الخطي

يفترض الانحدار الخطي وجود علاقة خطية بين المتغيرات، وقد لا يكون ذلك صحيحًا دائمًا.

كما أنه حساس للقيم الشاذة، التي يمكن أن تؤثر بشكل كبير في خط أفضل ملاءمة.

الملخّص والخطوات التالية

في هذا الدرس، تناولنا:

• مفهوم الانحدار الخطي وصيغته.
• متى نستخدمه ومكوّناته الأساسية.
• حالات الاستخدام الشائعة والقيود.

بعد ذلك، سنطبّق الانحدار الخطي في Python من خلال تدريب عملي.