Regresja służy do modelowania zależności między zmiennymi. Pozwala ona przewidzieć wartość jednej zmiennej (zależnej) na podstawie wartości innych zmiennych (niezależnych). Modele regresji mają za zadanie zminimalizować funkcję straty, którą najczęściej jest suma kwadratów różnic, ponieważ dopasowanie modelu polega wówczas na zastosowaniu metody najmniejszych kwadratów.

Prostym przykładem do wytłumaczenia jest przewidywanie ceny lub zarobków, które polegają na znalezieniu matematycznego wzoru służącego do wyliczenia wartości przy znanych zmiennych niezależnych. Dla ceny mieszkania mogą to być: metraż, ilość sypialni, wielkość ogrodu, lokalizacja, rok budowy budynku; natomiast dla zarobków może być to doświadczenie zawodowe, poziom wykształcenia, wiek oraz dodatkowe umiejętności.

Źródło: ^[1]

Z regresją można się też spotkać (często nieświadomie) podczas laboratoriów, np. z fizyki, gdy na podstawie pomiarów z eksperymentów należy wyliczyć wartość jakiegoś współczynnika (np. mając pomiar wychylenia w stopniach i napięcie z czujnika) lub gdy chcemy dodać wartości brakujących pomiarów.

Źródło: ^[2]

Ćwiczenia dla tego tematu zostały zebrane tutaj.

Kliknij tutaj, aby wrócić do strony głównej kursu.

* Podczas przygotowania opisów dla tego tematu, przy części zagadnień wykorzystane zostały narzędzia generatywnej sztucznej inteligencji.