الانحدار الخطي البسيط في مجال علوم البيانات

علوم البيانات هي مجال واسع يتوسع مع كل يوم يمر. اليوم، الشركات الرائدة تبحث عن علماء بيانات محترفين يمتلكون معرفة قوية بكل المفاهيم المتعلقة بهذا المجال. للقيام بعمل جيد في هذا المجال، من المهم امتلاك معرفة صحيحة بكل خوارزميات علوم البيانات. واحد من أهم خوارزميات علوم البيانات الأساسية هو الانحدار الخطي البسيط. كل عالم بيانات يجب أن يعرف كيف يستخدم هذا الخوارزمية لحل المشكلات واستخلاص نتائج ذات معنى.

الانحدار الخطي البسيط هو طريقة لتحديد العلاقة بين المتغيرات المدخلة والمتغيرات المخرجة. المتغيرات المدخلة تعتبر متغيرات مستقلة أو معاملات، والمتغيرات المخرجة تعتبر متغيرات تابعة أو استجابات. في الانحدار الخطي البسيط، يتم考虑 متغير مدخل واحد فقط.

مثال حقيقي للانحدار الخطي البسيط

لنفترض وجود مجموعة بيانات تتكون من معاملين: عدد الساعات العمل والكمية من العمل المنجز. الانحدار الخطي البسيط يهدف إلى تخمين الكمية من العمل المنجز إذا كانت الساعات العمل معطاة. يتم رسم خط انحدار، والذي يولد خطأًا 최소. يتم تشكيل معادلة خطية أيضًا، والتي يمكن استخدامها几乎 مع أي مجموعة بيانات.

المبادئ التي تصف الغرض من الانحدار الخطي البسيط:

الانحدار الخطي البسيط يستخدم لتوقيع العلاقة بين المتغيرات في مجموعة البيانات واستخلاص استنتاجات ذات معنى. الانحدار الخطي البسيط يستخدم بشكل رئيسي لاستخلاص العلاقة الإحصائية بين المتغيرات، والتي ليست دقيقة بما فيه الكفاية. هناك أربعة مبادئ أساسية تصف استخدام الانحدار الخطي البسيط. هذه المبادئ هي:

1. العلاقة بين المتغيرين تعتبر خطية واضافية: يتم إنشاء دالة خطية مباشرة لكل زوج من المتغيرات التابعة والمتغيرات المستقلة. ميل هذه الخطية يختلف عن قيم المتغيرات المتاحة في مجموعة البيانات. المتغيرات التابعة لها تأثير إضافي على قيم المتغيرات المستقلة.
2. الأخطاء هي مستقلة إحصائيًا: يمكن اعتبار هذا المبدأ لمجموعة بيانات تحتوي على معلومات متعلقة بالزمن والسلسلة. الأخطاء المتتالية لمثل هذه المجموعة من البيانات لا تتوافق ولا تكون مستقلة إحصائيًا.
3. الأخطاء لها تباين ثابت (التماثل): يمكن اعتبار التماثل للأخطاء بناءً على معايير مختلفة. هذه المعايير تشمل الوقت والتنبؤات الأخرى والمتغيرات الأخرى.
4. توزيع الأخطاء الطبيعي: هذا المبدأ مهم لأنه يدعم المبادئ الثلاثة المذكورة أعلاه. إذا لم تكن هناك علاقة بين المتغيرات في مجموعة البيانات، أو إذا لم يتم إنشاء أي من المبادئ المذكورة أعلاه، فإن جميع التنبؤات والاستنتاجات التي تنتجها النموذج تكون خاطئة. هذه الاستنتاجات لا يمكن استخدامها في المشروع لأنها لا توفر نتائج حقيقية إذا استخدمت بيانات خاطئة ومضللة.

ميزات الانحدار الخطي البسيط

• هذه الطريقة سهلة الاستخدام للغاية، ويمكن الحصول على النتائج بسهولة.
• تتميز هذه الطريقة بمعقدة أقل من خوارزميات علوم البيانات الأخرى، خاصة إذا كانت العلاقة بين المتغيرات التابعة والمتغيرات المستقلة معروفة.
• الاحتشام هو حالة شائعة تحدث عندما تأخذ هذه الطريقة معلومات غير معنوية. لمواجهة هذه المشكلة، هناك تقنية الت 정규ة، والتي تقلل من مشكلة الاحتشام عن طريق تقليل التعقيد.

عيوب الانحدار الخطي البسيط

• على الرغم من أن مشكلة الاحتشام يمكن إliminationها، إلا أنها لا يمكن تجاهلها. هذه الطريقة يمكن أن تأخذ بيانات غير معنوية وتستبعد معلومات معنوية. في这种 الحالة، جميع التنبؤات والاستنتاجات حول مجموعة البيانات تكون خاطئة ولا تنتج نتائج فعالة.
• مشكلة البيانات المنفردة شائعة أيضًا. المنفردة تعتبر قيم خاطئة لا تتطابق مع البيانات الدقيقة. عند أخذ هذه القيم في الاعتبار، النموذج كله سينتج نتائج مضللة لا فائدة منها.
• في الانحدار الخطي البسيط، يفترض أن مجموعة البيانات في اليد لها بيانات مستقلة. هذا الافتراض خاطئ لأن هناك بعض التبعية بين المتغيرات.

الانحدار الخطي البسيط هو تقنية مفيدة لتحديد علاقات مختلف المتغيرات المدخلة والمخرجة في مجموعة البيانات. هناك العديد من التطبيقات العملية للانحدار الخطي البسيط. هذه الخوارزمية لا تتطلب قوة حسابية عالية ويمكن تنفيذها بسهولة. المعادلات والاستنتاجات التي تشتق منها يمكن أن تبني عليها وتكون بسيطة الفهم. ومع ذلك، يعتقد بعض المحترفين أن الانحدار الخطي البسيط ليس المنطق الصحيح لاستخدامه في تطبيقات مختلفة لأن هناك العديد من الافتراضات التي يتم اتخاذها. هذه الافتراضات قد تثبت أنها خاطئة. لذلك، من الضروري استخدام هذه التقنية في كل مكان يمكن تطبيقها بشكل صحيح.