Régression Linéaire avec Deux Caractéristiques

Jusqu'à présent, nous avons examiné la régression linéaire avec une seule caractéristique. Cela s'appelle la régression linéaire simple. Mais en réalité, la plupart du temps, la cible dépend de plusieurs caractéristiques. La régression linéaire avec plus d'une caractéristique est appelée Régression Linéaire Multiple

Équation de Régression Linéaire à Deux Caractéristiques

Dans notre exemple avec les tailles, ajouter la taille de la mère comme caractéristique au modèle améliorerait probablement nos prédictions. Mais comment ajouter une nouvelle caractéristique au modèle ? Une équation définit la régression linéaire, donc nous devons simplement ajouter une nouvelle caractéristique à une équation :

Visualisation

Lorsque nous avons discuté du modèle de régression simple, nous avons construit le graphique 2D où un axe est la caractéristique et l'autre est la cible. Maintenant que nous avons deux caractéristiques, nous avons besoin de deux axes pour les caractéristiques et d'un troisième pour la cible. Nous passons donc d'un espace 2D à un espace 3D, ce qui est beaucoup plus difficile à visualiser. La vidéo montre un nuage de points 3D du jeu de données dans notre exemple.

Mais maintenant, notre équation n'est pas une équation de ligne. C'est une équation de plan. Voici un nuage de points avec le plan prédit.

Vous avez peut-être remarqué que mathématiquement notre équation n'est pas devenue beaucoup plus compliquée. Mais malheureusement, la visualisation l'est devenue.