Loading

FAB FEBRUARY SALE! 💰 25% off all PDF Certs & DiplomasEnds in : : :

Claim Your Discount!
    Study Reminders
    Support

    Set your study reminders

    We will email you at these times to remind you to study.
    • Monday

      -

      7am

      +

      Tuesday

      -

      7am

      +

      Wednesday

      -

      7am

      +

      Thursday

      -

      7am

      +

      Friday

      -

      7am

      +

      Saturday

      -

      7am

      +

      Sunday

      -

      7am

      +


    Regressione Lineare è un approccio lineare a  modellare la relazione  tra una variabile dipendente e una o più variabili indipendenti.
    La regressione lineare semplice è un approccio per prevedere una risposta quantitativa Y sulla base di una singola variabile predittiva X. Si presuppone che ci sia circa  una relazione lineare  tra X e Y.  
    In più regressione lineare  più di una variabile predittore  vengono utilizzati per prevedere la variabile di risposta.
    La qualità di un fit di regressione lineare è tipicamente valutata utilizzando due quantità   correlate: il  errore standard residuo (RSE)  e la  statistica al quadrato R.
    RSE è l'importo medio che la risposta  devierà  dalla true   regressione.
    Una volta addestrato il modello, possiamo stimare la qualità di adattamento utilizzando il  Mean Square Error.
    Errore di test previsto  = Bias + Varianza + errore irriducibile
    Tra  Bias  e  Varianza, se cerchiamo di diminuire uno modificando la flessibilità del modello, l'altro aumenta.