Régression Linéaire clairement expliquée ! La régression linéaire modélise la relation entre une variable dépendante (y) et deux ou plusieurs variables indépendantes (x1, x2 ...) ❗️Pour des raisons de simplicité, nous discutons de la régression linéaire avec une seule variable indépendante. Représentation Mathématique : y=mx+c où : - y est la variable dépendante - x est la variable indépendante - m est la pente de la ligne - c est l'ordonnée à l'origine Fonction de Coût : ❗️L'objectif est de trouver les meilleures valeurs pour m et c qui minimisent l'erreur entre les valeurs prédites et les valeurs réelles pour tous les points de données. Voici à quoi ressemble la fonction de coût, une erreur quadratique moyenne : MSE= 1/N∑(yi​−(m*xi​+c))**2 Où : - N est le nombre de points de données. - yi​ est la valeur réelle pour le ième point de données. - mxi​+c est la valeur prédite pour le ième point de données. ...