مفهوم الانحدار الخطي

يُعد الانحدار الخطي أحد أبسط الخوارزميات وأكثرها استخدامًا في التعلم الخاضع للإشراف. وهو يصوغ العلاقة بين متغيرين من خلال ملاءمة خط مستقيم للبيانات.

يُسمى هذا الخط خط أفضل ملاءمة.

متى يُستخدم الانحدار الخطي

يُعد الانحدار الخطي مثاليًا من أجل:

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

المكوّنات الأساسية للانحدار الخطي

المكوّنات الرئيسية لنموذج الانحدار الخطي هي:

• الميل: يحدد زاوية الخط.
• الجزء المقطوع: النقطة التي يتقاطع فيها الخط مع المحور y.
• الخطأ: الفرق بين القيم الفعلية والمتوقعة.

صيغة الانحدار الخطي

صيغة الانحدار الخطي هي:

y = mx + b

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

آلية عمل الانحدار الخطي

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

ويضمن ذلك أن يكون الخط أقرب ما يمكن إلى جميع نقاط البيانات.

التمثيل المرئي للانحدار الخطي

عادةً ما يُمثَّل نموذج الانحدار الخطي بصريًا باستخدام مخطط تشتت لنقاط البيانات وخط أفضل ملاءمة.

إليك مجموعة بيانات نموذجية:

• 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 المجالات التالية:

• 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.

الملخص والخطوات التالية

في هذا الدرس، تناولنا ما يلي:

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

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