रैखिक प्रतिगमन की अवधारणा

रैखिक प्रतिगमन की संकल्पना

रैखिक प्रतिगमन पर्यवेक्षित अधिगम में सबसे सरल और सबसे अधिक उपयोग की जाने वाली कलनविधियों में से एक है। यह डेटा पर एक सीधी रेखा का समंजन करके दो चरों के बीच संबंध का मॉडल बनाता है।

इस रेखा को सर्वोत्तम अनुरूपता की रेखा कहा जाता है।

रैखिक प्रतिगमन इन कार्यों के लिए आदर्श है:

• सतत मानों का पूर्वानुमान लगाना, जैसे घरों की कीमतें और तापमान।
• स्वतंत्र और आश्रित चरों के बीच संबंधों को समझना।

रैखिक प्रतिगमन मॉडल के मुख्य घटक ये हैं:

• ढलान: रेखा का कोण निर्धारित करती है।
• अवरोधांक: वह बिंदु जहाँ रेखा y-अक्ष को काटती है।
• त्रुटि: वास्तविक और पूर्वानुमानित मानों के बीच का अंतर।

रैखिक प्रतिगमन का सूत्र है:

y = mx + b

• y: आश्रित चर, जिसका आप पूर्वानुमान लगाना चाहते हैं।
• m: रेखा की ढलान।
• x: स्वतंत्र चर, अर्थात दिया गया डेटा।
• b: अवरोधांक, अर्थात स्थिरांक।

रैखिक प्रतिगमन ऐसी रेखा खोजकर वास्तविक और पूर्वानुमानित मानों के बीच के अंतर को न्यूनतम करता है, जो वर्गित त्रुटियों के योग को न्यूनतम करती है। इसे न्यूनतम वर्ग विधि कहते हैं।

इससे यह सुनिश्चित होता है कि रेखा सभी डेटा बिंदुओं के जितना संभव हो सके उतना निकट हो।

रैखिक प्रतिगमन मॉडल को आमतौर पर डेटा बिंदुओं के बिखराव आलेख और सर्वोत्तम अनुरूपता की रेखा के साथ दृश्य रूप में दिखाया जाता है।

यहाँ एक उदाहरण आँकड़ा-समुच्चय दिया गया है:

• स्वतंत्र चर (x): 1, 2, 3, 4, 5
• आश्रित चर (y): 2, 4, 6, 8, 10

रैखिक प्रतिगमन का व्यापक रूप से इन क्षेत्रों में उपयोग किया जाता है:

• अर्थशास्त्र: शेयर की कीमतों का पूर्वानुमान लगाना।
• स्वास्थ्य सेवा: रोगी के ठीक होने में लगने वाले समय का अनुमान लगाना।
• विपणन: बिक्री से होने वाली आय का पूर्वानुमान लगाना।

रैखिक प्रतिगमन चरों के बीच रैखिक संबंध मानता है, जो हमेशा सही नहीं हो सकता।

यह अपसारी मानों के प्रति संवेदनशील भी है, जो सर्वोत्तम अनुरूपता की रेखा को काफ़ी प्रभावित कर सकते हैं।

इस पाठ में हमने सीखा:

• रैखिक प्रतिगमन की संकल्पना और सूत्र।
• इसका उपयोग कब करना है और इसके प्रमुख घटक।
• सामान्य उपयोग और सीमाएँ।

अगले चरण में, हम व्यावहारिक अभ्यास के माध्यम से Python में रैखिक प्रतिगमन लागू करेंगे।