Regressão

Machine Learning - Index

Regressão:

A regressão envolve a previsão de um valor numérico alvo (valor contínuo) com base em uma instância não rotulada.

Diferente da classificação, que lida com variáveis qualitativas, a regressão trabalha com variáveis quantitativas, como idade, renda, preço de imóveis, etc

---

Regressão: Avaliação de Desempenho

Na regressão, ==a avaliação de desempenho baseia-se na distância entre dois vetores: as previsões do modelo $\bar{y}$ e os valores-alvo reais $y$.==

Uma métrica comum usada para avaliar o desempenho em problemas de regressão é o Root Mean Square Error (RMSE).

• Root Mean Square Error (RMSE):
  • RMSE é definido como a raiz quadrada da média dos quadrados das diferenças entre as previsões e os valores reais.
  • É calculado usando a fórmula: $RMSE=\sqrt{\frac{1}{N}{\sum }_{i=1}^N(h(x_i)-y_i{)}^2}$
  • Onde:
    • ( $h$ ) é a função de previsão do modelo.
    • ( $x_i$ ) são as características de entrada.
    • ( $y_i$ ) são os valores-alvo reais.
    • ( $N$ ) é o número de instâncias.

O RMSE é uma medida útil porque penaliza mais fortemente os grandes erros, já que as diferenças são elevadas ao quadrado antes de serem médias, e depois a raiz quadrada é extraída.

Isso torna o RMSE particularmente sensível a outliers no conjunto de dados. É uma métrica comum para avaliar o desempenho de modelos de regressão, fornecendo uma ideia da magnitude dos erros do modelo em relação aos valores reais.