Resumo

• 3 minutos

Parabéns por concluir sua introdução à regressão! Vamos recapitular os pontos importantes.

Aprendemos que a regressão busca uma relação contínua entre recursos e rótulos, geralmente explicada usando matemática simples. Aprendemos que os modelos são nomeados com base em dois aspectos:

• O tipo de curva a que os modelos de regressão se ajustam. Por exemplo, a regressão linear busca relações de "linha reta", enquanto a regressão polinomial pode funcionar com relações não lineares.
• A quantidade de variáveis: a regressão simples usa um recurso, enquanto a regressão múltipla usa vários recursos.

Também abordamos os valores de R^2, que usamos para avaliar se o nosso modelo se ajusta aos dados de maneira satisfatória. O número 0 indica que o modelo é ineficaz e o número 1 que ele se ajusta perfeitamente.

Por fim, aprendemos sobre extrapolação: prever valores usando recursos que estão fora do intervalo do nosso conjunto de dados de treinamento. Apesar de termos descoberto que é fácil extrapolar usando modelos de regressão, também vimos como os modelos podem não fazer o menor sentido se os recursos usados estiverem distante demais daqueles em nossos dados de treinamento.