الانحدار الخطي البسيط في مجال علوم البيانات

علوم البيانات هي مجال واسع يتطور مع كل يوم يمر. اليوم، تبحث الشركات الرائدة عن علماء بيانات محترفين يمتلكون معرفة قوية عن المجال والمفاهيم ذات الصلة. للقيام بعمل جيد في هذا المجال، من المهم أن يكون لديك معرفة صحيحة عن جميع خوارزميات علوم البيانات. واحدة من الخوارزميات الأساسية في علوم البيانات هي الانحدار الخطي البسيط. يجب على كل عالم بيانات أن يعرف كيف يستخدم هذا الخوارزمية لحل المشكلات واستخراج نتائج ذات معنى.

الانحدار الخطي البسيط هو منهجية لتحديد العلاقة بين متغيرات الإدخال والإخراج. تعتبر متغيرات الإدخال متغيرات مستقلة أو معوقات، ومتغيرات الإخراج تعتبر متغيرات تابعة أو استجابات. في الانحدار الخطي البسيط، يتم考虑 متغير إدخال واحد فقط.

مثال حقيقي للانحدار الخطي البسيط

لنفترض مجموعة بيانات تتكون من两个 معامل: عدد الساعات العمل والكمية من العمل المنجز. يهدف الانحدار الخطي البسيط إلى تخمين الكمية من العمل المنجز إذا تم إعطاء ساعات العمل. يتم رسم خط انحدار، والذي يولد خطأًا 최소. يتم تشكيل معادلة خطية أيضًا، والتي يمكن استخدامها几乎 لمجموعة بياناتใด.
المبادئ التي تصور الغرض من الانحدار الخطي البسيط:

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

1. العلاقة بين المتغيرين تعتبر خطية واضافية: يتم إنشاء دالة خطية مستقيمة لكل زوج من المتغيرات التابعة والمستقلة. ميل هذه الخط يختلف عن قيم المتغيرات المتاحة في مجموعة البيانات. للمتغيرات التابعة تأثير إضافي على قيم المتغيرات المستقلة.
2. الأخطاء مستقلّة إحصائيًا: يمكن اعتبار هذا المبدأ لمجموعة بيانات تحتوي على معلومات متعلقة بالزمن والسلسلة. أخطاء متتالية لمثل هذه المجموعة من البيانات لا تترابط ولا تكون مستقلّة إحصائيًا.
3. الأخطاء لها تباين ثابت (التجانس): يمكن اعتبار تجانس الأخطاء بناءً على معاملات مختلفة. هذه المعاملات تشمل الزمن والتنبؤات الأخرى والمتغيرات الأخرى.
4. توزيع الأخطاء الطبيعي: هذا مبدأ هام لأنه يدعم المبادئ الثلاثة المذكورة أعلاه. إذا لم تكن هناك علاقة بين المتغيرات في مجموعة بيانات، أو إذا لم يتم إنشاء أي من المبادئ المذكورة أعلاه، فإن جميع التنبؤات والاستنتاجات التي تنتجها النموذج خاطئة. لا يمكن استخدام هذه الاستنتاجات في المشروع لأنها لا توفر نتائج حقيقية إذا استخدمت بيانات خاطئة ومضللة.

ميزات الانحدار الخطي البسيط

• تعتبر هذه المنهجية سهلة الاستخدام للغاية، ويمكن الحصول على النتائج بسهولة.
• تعتبر هذه الطريقة أقل تعقيدًا من خوارزميات علوم البيانات الأخرى، خاصة إذا كانت العلاقة بين المتغيرات التابعة والمستقلة معروفة.
• التجاوز هو حالة شائعة تحدث عندما تأخذ هذه المنهجية معلومات غير معنوية. للتعامل مع هذه المشكلة، هناك تقنية التنظيم المتاحة، والتي تقلل من مشكلة التجاوز عن طريق تقليل التعقيد.

عيوب الانحدار الخطي البسيط

• على الرغم من أن مشكلة التجاوز يمكن إlimination، لا يمكن تجاهلها. يمكن أن تأخذ هذه المنهجية معلومات غير معنوية وتستبعد المعلومات المهمة. في مثل هذه الحالة، تكون جميع التنبؤات والاستنتاجات حول مجموعة بيانات معينة خاطئة ولا تنتج نتائج فعالة.
• مشكلة البيانات المتناثرة شائعة أيضًا. تعتبر القيم المتناثرة قيمًا خاطئة لا تتطابق مع البيانات الدقيقة. عند أخذ هذه القيم في الاعتبار، ينتج النموذج نتائج مضللة لا فائدة منها.
• في الانحدار الخطي البسيط، يُفترض أن مجموعة البيانات في اليد تحتوي على بيانات مستقلة. هذا الافتراض خاطئ لأن هناك بعض التبعية بين المتغيرات.

الانحدار الخطي البسيط هو تقنية مفيدة لتحديد علاقات مختلفة بين متغيرات الإدخال والإخراج في مجموعة بيانات. هناك العديد من التطبيقات الفعلية للانحدار الخطي البسيط. لا تتطلب هذه الخوارزمية قوة حسابية عالية ويمكن تنفيذها بسهولة. يمكن استخدام المعادلات والاستنتاجات المشتقة لبناء المزيد وهي بسيطة للغاية. ومع ذلك، يشعر بعض المحترفين أن الانحدار الخطي البسيط ليس المنهجية الصحيحة لاستخدامها في تطبيقات مختلفة لأن هناك العديد من الافتراضات التي يتم إجراؤها. قد تثبت هذه الافتراضات أنها خاطئة. لذلك، من الضروري استخدام هذه التقنية في كل مكان يمكن تطبيقها بشكل صحيح.