شاهین

رگرسیون

پیشرفته
به‌روزرسانی ۲۰ تیر ۱۴۰۵ تحریریه شاهین ۳ دقیقه مطالعه
تلفظEN/rɪˈɡrɛʃən/

رگرسیون روشی آماری است که رابطه یک متریک هدف را با یک یا چند متریک دیگر مدل می‌کند تا هم رابطه را کمی کند و هم امکان پیش‌بینی بدهد.

رگرسیون یک پله فراتر از همبستگی است: همبستگی فقط می‌گوید دو چیز با هم حرکت می‌کنند، رگرسیون می‌کوشد یک رابطه کمی بسازد که بگوید اگر متریک ورودی این‌قدر عوض شود، متریک هدف چقدر تغییر می‌کند. قدرتش در حالت چندمتغیره است: می‌تواند اثر چند عامل را همزمان در نظر بگیرد و بگوید با ثابت‌نگه‌داشتن بقیه، سهم هر عامل چقدر است. اما رگرسیون همان تله همبستگی را با اعتمادبه‌نفس بیشتر حمل می‌کند؛ یک مدل با برازش خوب هنوز علیت را اثبات نمی‌کند و می‌تواند رابطه‌ای کاذب را قطعی جلوه دهد. دو خطر فنی هم دارد: بیش‌برازش (مدلی که نوفه داده گذشته را حفظ می‌کند و روی داده تازه می‌شکند) و برون‌یابی (پیش‌بینی خارج از دامنه‌ای که مدل روی آن آموزش دیده). رگرسیون ابزار قدرتمندی است به شرط آنکه محدودیت‌هایش فراموش نشود.