Regresja to rodzaj uczenia maszynowego, którego celem jest przewidywanie wartości numerycznej (zmiennej ciągłej) na podstawie innych zmiennych. Jest ona często używana do znajdowania zależności między zmiennymi i do przewidywania wartości zmiennej objaśnianej na podstawie wartości zmiennych objaśniających.
Istnieje wiele różnych rodzajów regresji, takich jak:
- Regresja liniowa: model, w którym zmienna objaśniana jest liniowo zależna od zmiennych objaśniających.
- Regresja wielomianowa: model, w którym zmienna objaśniana jest zależna od zmiennych objaśniających opisanych za pomocą wielomianu.
- Regresja logistyczna: model, w którym zmienna objaśniana jest zależna od zmiennych objaśniających opisanych za pomocą funkcji logistycznej. Jest często używana do klasyfikacji binarnej.
- Regresja nieparametryczna: model, w którym nie zakłada się żadnej konkretnej formy zależności między zmiennymi objaśnianą a objaśniającymi.
Aby wybrać odpowiedni model regresji, trzeba założyć, jakiego rodzaju zależności między zmiennymi się spodziewamy. Następnie należy dobrać odpowiedni model i dokonać jego trenowania. Po zakończeniu procesu uczenia modelu jest on gotowy do przewidywania wartości zmiennej objaśnianej dla nowych danych.