- پنج‌شنبه 21 آبان 1405 ساعت 21:05
- 0.6.2
- کامل شده
- منقضی شده
این داکیومنت از طرف توسعه‌دهنده ساپورت نمی‌شود، جدیدترین ورژن داکیومنت بزودی ترجمه خواهد شد.
Least Squares Linear Regression مدل رگرسیون خطی است که ضرایب را طوری انتخاب می‌کند تا مجموع مربع اختلاف مقدار واقعی و پیش‌بینی‌شده کمینه شود. این روش برای بررسی رابطه تقریباً خطی میان ویژگی‌ها و یک متغیر عددی کاربرد دارد.
نحوه کار و کاربرد
نمونه‌های آموزشی باید شامل بردار ویژگی و مقدار هدف باشند. مدل پس از آموزش می‌تواند مقدار هدف نمونه جدید را پیش‌بینی کند. داده پرت، هم‌خطی ویژگی‌ها و رابطه غیرخطی می‌تواند نتیجه را تحت تأثیر قرار دهد.
نمونه
use Phpml\Regression\LeastSquares;
$samples = [[60],[80],[100],[120]];
$targets = [10,12,15,18];
$regression = new LeastSquares();
$regression->train($samples, $targets);
$estimate = $regression->predict([90]);نکته
رگرسیون خطی هم‌بستگی و پیش‌بینی را مدل می‌کند؛ به‌تنهایی رابطه علت و معلولی را اثبات نمی‌کند.