Комплексный обзор линейной регрессии в машинном обучении

Линейная регрессия, вероятно, является одним из наиболее распространённых и универсальных статистических алгоритмов и алгоритмов машинного обучения. Она используется для выявления линейной взаимосвязи между одним или несколькими предикторами. Линейная регрессия подразделяется на два типа: простую линейную регрессию и множественную линейную регрессию (MLR). В статье рассматриваются различные исследования, выполненные разными авторами, посвящённые линейной и полиномиальной регрессии, а также сравнивается их эффективность с использованием наилучших подходов к оптимизации прогнозирования и точности. Почти все статьи, проанализированные в данном обзоре, посвящены наборам данных; для определения эффективности модели её прогнозы необходимо сопоставлять с фактическими значениями, полученными для объясняющих переменных.