Introdução
A regressão é uma técnica de análise de dados simples, comum e altamente útil, coloquialmente referida como "ajuste de uma linha de tendência". A regressão identifica a força da relação entre um ou mais recursos e um único rótulo. Sua simplicidade, comportamento previsível, capacidade de previsão e alto nível de interpretabilidade significa que esta técnica é usada em finanças, negócios, ciências sociais, epidemiologia e medicina.
Neste módulo, faremos um mergulho mais profundo em como a regressão funciona, entenderemos suas limitações e aprenderemos a avaliar seu desempenho.
Cenário: Sobrecarga da Clínica Veterinária
Ao longo deste módulo, usaremos o seguinte cenário de exemplo para explicar os conceitos subjacentes à regressão. Este cenário foi projetado para fornecer um exemplo de como você pode usar essa técnica ao analisar dados futuros.
A instituição de caridade de resgate de cães de resgate de avalanches que você dirige teve uma onda repentina de doença. Após um dia de reciclagem e algumas atividades sociais, muitos cães com quem trabalha passaram mal, sendo o principal sintoma a febre (temperatura corporal elevada). Preocupada com os cães que ainda não apresentaram sintomas, a sua equipa recolheu informações básicas sobre os primeiros 100 cães que adoeceram. Seu trabalho é identificar quais tipos de cães têm maiores riscos de doenças, para que possam ser verificados proativamente pelo veterinário.
Objetivos de aprendizagem
Neste módulo, irá:
- Entenda como funciona a regressão.
- Trabalhar com novos algoritmos: regressão linear, regressão linear múltipla e regressão polinomial.
- Compreender os pontos fortes e as limitações dos modelos de regressão.
- Visualize funções de erro e custo em regressão linear.
- Compreender as métricas básicas de avaliação para regressão.
Pré-requisitos
- Familiaridade com modelos de aprendizagem automática