تنفيذ الانحدار الخطي في بايثون: دليل كامل

سواء كنت تدرس التعلم الآلي أو الإحصاء باستخدام بايثون ، ستصادف انحدارًا خطيًا. يعد الانحدار الخطي أحد الأجزاء المهمة في دورة شهادة التعلم الآلي.

ما هذا؟ كيف يمكنك أداء الانحدار الخطي باستخدام بايثون؟

في هذه المقالة ، سنكتشف إجابات لهذه الأسئلة. بعد قراءة هذا المقال ، ستتعرف على:

• الانحدارات وما هي
• ما هو الانحدار الخطي
• كيفية تدريب نموذج الانحدار الخطي
• تطبيقات الانحدار الخطي

هيا بنا نبدأ.

ما هو الانحدار؟

يشير تحليل الانحدار إلى عمليات إحصائية محددة تستخدمها لتقدير العلاقات بين متغير تابع ومستقل.

تحظى بشعبية في العديد من الصناعات ، مثل التمويل والمصارف. باستخدام تحليل الانحدار ، يمكنك فهم العلاقة بين متغيرين في بيئة معينة.

لنفترض أنك تريد معرفة أسعار المنازل في منطقة معينة. لهذا الغرض ، ستحتاج إلى مراقبة مدينة المنطقة وعدد السكان وتوافر وسائل الراحة والعديد من الأشياء الأخرى.

تسمى الأشياء التي ستعتمد عليها أسعار المنازل بالميزات . والمشكلة التي ترتبط فيها العوامل بتكلفة كل منزل هي الملاحظة. في هذا المثال ، الافتراض هو أن الموقع ووسائل الراحة وعوامل أخرى تؤثر على سعر كل منزل.

بعبارات أبسط ، يمكنك تقديم بعض الملاحظات فيما يتعلق بموضوع معين في تحليل الانحدار. ملاحظاتك لها بعض الميزات وبعض الافتراضات قبل أن تبدأ في تكوين علاقة فيما بينها.

هناك نوعان من الميزات في تحليل الانحدار. هم انهم:

• الميزات التابعة ، والتي تسمى المخرجات أو المتغيرات أو الاستجابات التابعة
• السمات المستقلة ، والتي تسمى مخرجات أو متغيرات أو استجابات مستقلة

بشكل عام ، مشكلة الانحدار لها متغير تابع واحد مستمر. تختلف المدخلات.

يمكنك الإشارة إلى المخرجات بـ y والمدخلات بـ x. لا توجد قواعد صارمة وسريعة لذلك ، ولكن من الممارسات العامة استخدام y و x للإشارة إلى هذه المخرجات والمدخلات.

إذا كان لديك العديد من المتغيرات المستقلة ، فيمكنك تمثيل x = (x1، ...، xr) ، حيث تشير r إلى عدد المدخلات.

احصل على أفضل دورات التعلم الآلي عبر الإنترنت من أفضل الجامعات في العالم - الماجستير ، وبرامج الدراسات العليا التنفيذية ، وبرنامج الشهادة المتقدم في ML & AI لتسريع حياتك المهنية.

ما هو الانحدار الخطي؟

الانحدار الخطي هو أكثر أنواع الانحدار شيوعًا. إنها طريقة إحصائية لنمذجة العلاقات بين ناتج تابع ومجموعة من المخرجات المستقلة.

في هذه المقالة ، سوف نطلق على المخرجات المستقلة "ميزات" والمخرجات التابعة "ردود".

إذا كان للانحدار الخطي ميزة واحدة فقط ، فإنه يسمى الانحدار الخطي أحادي المتغير. وبالمثل ، إذا كان يحتوي على ميزات متعددة ، فستطلق عليه الانحدار الخطي المتعدد.

الميزة الأكثر بروزًا للانحدار الخطي هي سهولة تفسير نتائجها. أسئلة مقابلة الانحدار الخطي

إنه أبسط شكل من أشكال الانحدار.

فرضية

إذا كانت y هي القيمة المتوقعة ، فإن 0 هي مصطلح التحيز ، و xn وهي قيم الميزة ، وتمثل نموذج الانحدار الخطي بالمعادلة التالية:

ص = 0 + 1 × 1 + 2 × 2 +…. + ن س ن

هنا تشير n إلى معلمات النموذج.

كود بايثون للانحدار الخطي

لإنشاء نموذج انحدار خطي ، ستحتاج أيضًا إلى مجموعة بيانات لتبدأ بها. هناك عدة طرق يمكنك من خلالها استخدام كود بايثون للانحدار الخطي.

نقترح دراسة بايثون والتعرف على مكتبات بايثون قبل أن تبدأ العمل في هذا الصدد.

يمكن أن يساعدك في إنشاء نموذج انحدار خطي أساسي.

تدريب نموذج الانحدار

سيتعين عليك العثور على المعلمات الضرورية للنموذج ، بحيث يناسب البيانات بشكل أفضل. سيتعين عليك العثور على أفضل خط ملائم (أو خط الانحدار).

خط الانحدار هو الخط الذي يكون فيه الخطأ بين الأرقام المرصودة والأرقام المتوقعة هو الحد الأدنى. اسم آخر لهذه الأخطاء هو المخلفات.

لقياس الخطأ ، سيتعين عليك تحديد دالة التكلفة:

J ( ) = 1 2m i = 1 m (h ( x i ) - y i ) 2

هنا ، تشير h (x) إلى وظيفة الفرضية ، والتي يُشار إليها بالمعادلة التي ناقشناها من قبل:

ح (س) = 0 + 1 × 1 + 2 × 2 +…. + أنا س ط

يشير m إلى العدد الإجمالي للأمثلة في مجموعة البيانات الخاصة بنا.

باستخدام هذه المعادلات وخوارزمية التحسين ، يمكنك تدريب نموذج الانحدار الخطي الخاص بك.

هناك العديد من الطرق الأخرى لإجراء تحليل انحدار Python ، والتي ناقشناها أدناه:

أداء الانحدار الخطي مع حزم بايثون

يمكنك استخدام NumPy ، وهي حزمة بايثون أساسية وواسعة الانتشار. يتم استخدامه لأداء عمليات عالية الأداء. إنه مفتوح المصدر ولديه العديد من الإجراءات الرياضية المتاحة.

يمكنك الاطلاع على دليل مستخدم NumPy لمعرفة المزيد من المعلومات حول هذا الموضوع. ستحتاج إلى التعرف على scikit-Learn أيضًا ، وهي مكتبة بايثون مشهورة تعتمد على NumPy. يتم استخدامه بشكل شائع للتعلم الآلي والأنشطة المماثلة.

لتطوير نماذج الانحدار الخطي وتنفيذها ، يجب أن تتعلم أيضًا نماذج الإحصائيات. إنها حزمة Python قوية أخرى ، تُستخدم لإجراء الاختبارات وتقدير النماذج الإحصائية.

ما هي تطبيقات الانحدار الخطي؟

يجد الانحدار الخطي استخدامات في العديد من الصناعات. فيما يلي بعض تطبيقات الانحدار الخطي:

1) فهم الاتجاهات

يمكن أن يساعد الانحدار الخطي الشركات في فهم اتجاهات السوق. بهذه الطريقة ، يمكنهم تخطيط استراتيجياتهم بشكل أفضل وتجنب ارتكاب الأخطاء. بصرف النظر عن الشركات والتجار وكذلك المؤسسات البحثية ، يمكن أيضًا استخدام هذه التقنية لتقييم الاتجاهات.

2) تحليل تغيرات الأسعار

يمكن أن يكون لتغيرات الأسعار في السلع تأثير كبير على أرباح الشركات المنتجة. يمكن أن يساعد الانحدار الخطي الشركات في هذه المهمة أيضًا ، حيث يمكنها إيجاد العلاقات بين تغيرات الأسعار والعوامل المساهمة فيها.

3) تقييم المخاطر

يمكن لشركات التأمين ، وكذلك المستثمرين ، استخدام الانحدار الخطي لاكتشاف الحالات الشاذة. يمكن للمستثمرين العثور على استثماراتهم الضعيفة والتخطيط لاستراتيجياتهم وفقًا لذلك مع تقليل المخاطر.

أفكار ختامية

يعد الانحدار الخطي أحد خوارزميات الذكاء الاصطناعي المهمة ونأمل أن تكون قد وجدت هذا الدليل حول الانحدار الخطي باستخدام Python مفيدًا. قد يكون انحدار بايثون شاقًا جدًا للمبتدئين. لهذا السبب نوصي بالتعرف على حزم وخوارزميات Python أولاً.

إذا كنت مهتمًا بمعرفة المزيد عن التعلم الآلي ، فراجع برنامج IIIT-B & upGrad's Executive PG في التعلم الآلي والذكاء الاصطناعي المصمم للمهنيين العاملين ويقدم أكثر من 450 ساعة من التدريب الصارم ، وأكثر من 30 دراسة حالة ومهمة ، IIIT -ب حالة الخريجين ، 5+ مشاريع التخرج العملية العملية والمساعدة في العمل مع الشركات الكبرى.

ستفيدك معرفة هذين الأمرين بشكل كبير في تنفيذ الانحدار الخطي.