Les Algorithmes:apprentissage superviséalgorithmes d’apprentissage supervisés pour la régression (prédiction de valeurs)

1. La Régression:linéaire univariéerégression linéaire univariée (linear regression)

Cet algorithme cherche à établir, sous forme d’une droite, une relation entre une variable expliquée et une variable explicative. Par exemple, prédire une note à un examen (variable expliquée) en fonction du nombre d’heures de révisions (variable explicative).

En d’autres termes, les données d’une série d’observations sont représentées sous forme d’un nuage de points et l’on cherche à trouver une droite passant au plus près de ces points.

Régression linéaire univariée

Ainsi, connaissant le nombre d’heures de révisions, il nous est possible de prédire approximativement la note que l’on obtiendra au prochain examen.

2. La Régression:linéaire multiplerégression linéaire multiple (Multiple Linear Regression-MLR)

Là où nous utilisions une seule variable explicative pour expliquer une autre variable (une note en fonction d’un temps de révision), dans la régression linéaire multivariée nous allons utiliser plusieurs variables explicatives.

Par exemple, nous allons chercher à prédire le temps que va mettre un cycliste pour remporter une étape ...