Récapitulatif
Félicitations pour avoir terminé votre introduction à la régression ! Récapitulons les points importants.
Nous avons appris que la régression recherche une relation continue entre les caractéristiques et les étiquettes, généralement explicable à l'aide de calculs mathématiques simples. Nous avons appris que les modèles sont nommés sur la base de deux caractéristiques :
- Le type de courbe des modèles de régression. Par exemple, la régression linéaire recherche les relations « en ligne droite », alors que la régression polynomiale peut fonctionner avec des relations non linéaires.
- Le nombre de variables qu'ils utilisent : la régression simple utilise une seule caractéristique, tandis que la régression multiple en utilise plusieurs.
Nous avons également évoqué les valeurs R2, que nous utilisons pour évaluer l’ajustement de notre modèle par rapport aux données. Le nombre 0 signifie que le modèle est inefficace, et 1 qu’il s’ajuste parfaitement.
Enfin, nous avons découvert l’extrapolation, à savoir la prédiction de valeurs à l’aide de caractéristiques situées en dehors de la plage de notre jeu de données d’entraînement. Bien que l’utilisation des modèles de régression nous facilite la tâche, nous avons vu à quel point les modèles pouvaient être irréalistes si les caractéristiques étaient très éloignées des caractéristiques de nos données d’entraînement.