Regressão Linear
A Regressão Linear é um modelo estatístico utilizado para prever o valor de uma variável dependente com base em uma ou mais variáveis independentes.
No modelo linear, a ideia é que a variável dependente possa ser expressa como uma combinação linear das variáveis independentes, mais um termo constante, conhecido como intercepto ou viés.
Imagine que você queira prever o preço de uma casa com base em vários fatores, como sua área, número de quartos, idade da casa e distância do centro da cidade. Na Regressão Linear, cada um desses fatores é uma variável independente, e o preço da casa é a variável dependente. O modelo linear tentará encontrar a melhor combinação desses fatores para prever o preço.
O objetivo da Regressão Linear é encontrar os valores dos parâmetros que melhor se ajustam aos dados. Isso é feito minimizando uma função de custo, que mede quão bem o modelo está se ajustando aos dados reais. O método mais comum para minimizar essa função de custo é chamado de “Método dos Mínimos Quadrados”.
Vamos considerar um exemplo simples: prever o preço de um carro com base em sua quilometragem. Se os carros com menor quilometragem tendem a ser mais caros, a Regressão Linear ajudará a quantificar essa relação e prever o preço de um carro com base em sua quilometragem específica.