Regressão Linear
19 Aug 2019Regressão Linear Simples
Quando precisamos analisar a relação entre duas variáveis, a regressão linear simples é o tipo de modelo apropriado. Neste modelo, uma variável independente e uma variável dependente são plotadas para identificar sua relação e gerar uma linha que pode ser usada para prever dados futuros, como o preço de uma casa em relação ao seu tamanho, conforme ilustrado na figura abaixo:
A partir desse gráfico, podemos derivar a equação da linha e a correspondente medida de erro, que representa a distância entre os pontos reais e a linha ajustada:
Regressão Linear Múltipla
A regressão linear múltipla é bastante semelhante à regressão linear simples, mas busca aumentar a precisão do modelo ao incorporar várias variáveis que afetam a variável de saída. No exemplo anterior, é improvável que o tamanho da casa seja o único fator a influenciar o preço. Para melhorar a precisão, podemos incluir variáveis como o número de cômodos, a localização, a área externa, entre outras.
A fórmula é semelhante à da regressão linear simples, mas agora incorpora várias variáveis que afetam a variável de saída:
OBS: É importante observar que é possível usar várias variáveis para prever o modelo, mas não é aconselhável incluir variáveis colineares, pois isso pode prejudicar a qualidade do modelo final.