رگرسیون خطی یکی از مدل‌های پایه و پرکاربرد در یادگیری ماشین است که سعی می‌کند رابطه‌ای ساده بین ویژگی‌های ورودی (مثلاً وزن، سن یا ساعت مطالعه) و نتیجه‌ای که می‌خواهیم پیش‌بینی کنیم (مثل قد، نمره یا درآمد) پیدا کند.
تصور کنید می‌خواهید قد یک نفر را فقط بر اساس وزنش پیش‌بینی کنید. رگرسیون خطی مانند کشیدن یک خط مستقیم روی نموداری از داده‌هاست، به طوری که این خط بهترین حدس را برای قد بر اساس وزن بدهد.
این مدل یاد می‌گیرد که چگونه با تغییر مقدار ورودی (وزن) مقدار خروجی (قد) تغییر می‌کند؛ مثلا هر چه وزن بیشتر شود، قد چقدر بیشتر یا کمتر می‌شود. البته همیشه مدل به طور کامل دقیق نیست چون عوامل دیگری هم روی قد تاثیر دارند که مدل آن‌ها را در نظر نمی‌گیرد.
رگرسیون خطی به ما کمک می‌کند که با ساده‌ترین شکل ممکن، روابط بین داده‌ها را بفهمیم و بتوانیم پیش‌بینی کنیم.
در پست‌های بعدی درباره مدل‌های پیچیده‌تر مثل درخت تصمیم و شبکه‌های عصبی صحبت می‌کنیم.منتظر باشید!
