الملخص

تحليل الانحدار هو أحد الأساليب الأساسية في التعلم الآلي ، والذي يستلزم تحديد الخط الأمثل الذي يتقاطع مع نقاط البيانات الأصلية لتأسيس العلاقة بين متغير تابع ومتغير واحد أو أكثر من المتغيرات المستقلة. يمكن استخدام تحليل الانحدار الخطي المتعدد لوصف العلاقة بين متغير استجابة واحد والعديد من المتغيرات المستقلة بناءً على درجاتهم. هناك مجموعة متنوعة من الخوارزميات المستخدمة في طرق التعلم تحت الإشراف. في السنوات الأخيرة ، تم إدخال عدد كبير من أساليب التعلم الخاضع للإشراف في التعلم الآلي. أصبحت تقنيات التعلم الخاضع للإشراف مجالًا لأنشطة البحث العلمي ويتم تطبيقها في معالجة وتحليل مجموعات البيانات المختلفة ، وهو ما يسمى نهج الانحدار. لقد أصبح أحد أهم ميزات التعلم الآلي الخاضع للإشراف ، مع القدرة على تحليل البيانات والتنبؤ بالمستقبل. سنغطي الجوانب الأساسية لتقنيتين أساسيتين: طريقة التعلم الآلي الخاضعة للإشراف وطريقة الانحدار بجميع أنواعها. يهتم التعلم الآلي بمجال النمذجة التنبؤية ، حيث يقلل من خطأ النموذج أو يجعل التنبؤات أكثر دقة ممكنة ، على حساب القابلية للتفسير. في التعلم الآلي التطبيقي ، سنستخدم ونعيد استخدام الخوارزميات من العديد من المجالات المختلفة ، بما في ذلك الإحصائيات واستخدامها لتحقيق هذه الغايات. في حين تم تطوير الانحدار الخطي في مجال الإحصاء ودراسته كنموذج لفهم العلاقة بين المتغيرات العددية للمدخلات والمخرجات ، فقد تم استيراده عن طريق مناهج التعلم الآلي. فهي خوارزمية تعلم الي وخوارزمية احصائية.