Если вы эксперт в области машинного обучения или такой же энтузиаст, как и я, вы так или иначе столкнетесь с РЕГРЕССИЯ.
Что ж, регрессия в ML — это просто предсказание определенной переменной на основе некоторых других зависимых переменных. Я приведу вам пример, цена автомобиля может зависеть от года его выпуска, таким образом, вы можете предсказать цену данного автомобиля на основе его года выпуска.
Переходя к нашей теме, множественная регрессия — это то, где мы должны прогнозировать определенную переменную на основе более чем одной другой переменной. Используя наш предыдущий пример, цена автомобиля может зависеть от нескольких факторов, например, года выпуска, пробега, объема двигателя, количества дверей, количества цилиндров, и это лишь некоторые из них. Чтобы предсказать цену этого автомобиля, нам нужно будет получить значения всех факторов, упомянутых выше. Это то, что мы называем множественной регрессией.
С другой стороны, многомерная регрессия отличается от множественной регрессии тем, что она пытается предсказать более одной переменной. Например, помимо прогнозирования цены автомобиля, мы также прогнозируем вероятность его отказа. Здесь нас интересует прогнозирование более чем одной переменной в заданной проблемной области, в отличие от множественной регрессии, когда нас интересует только прогнозирование одной переменной.
Я надеюсь, что эта короткая история помогла вам понять разницу между множественной регрессией и многомерной регрессией. Спасибо и получайте удовольствие в мире ML.
