الانحدار الخطي Bayesian: ما هو ، الوظيفة والتطبيقات الواقعية في عام 2022

ما هو الانحدار الخطي؟

يحاول الانحدار الخطي إظهار العلاقة بين عاملين من خلال ملاءمة شرط مباشر للمعلومات التي تم ملاحظتها. يُنظر إلى أحد المتغيرات على أنه متغير توضيحي ، بينما يُنظر إلى المتغير الآخر على أنه متغير محتاج. على سبيل المثال ، يجب أن يربط العارض عددًا كبيرًا من الأشخاص بتماثيلهم باستخدام نموذج الانتكاس المباشر.

الآن الخطوة التالية هي معرفة المعادلة الخطية البايزية وكيف يمكن حسابها للحصول على النتيجة المرجوة.

الآن ، ما هي المعادلة الخطية بايزي؟

لذلك ، عندما نتحدث عن طرق الانحدار البايزي ، نعلم أنها طريقة قوية جدًا لأنها توفر لنا التوزيع الكامل عبر معاملات الانحدار. من أجل حساب البيانات غير الكافية أو البيانات الموزعة غير المتكافئة ، يوفر Bayesian Linear Regression آلية طبيعية.

يمكنك وضع علامة سابقة على المعاملات بحيث في حالة عدم وجود البيانات ، يمكن أن تحل السابقة محل البيانات. يتم إجراء التحليل الإحصائي في ظل ظروف واجهة Bayesian في الانحدار الخطي Bayesian في الإحصاء.

نستخدم التوزيع الاحتمالي بدلاً من تقديرات النقطة لابتكار الانحدار الخطي.

يتم تحقيق المخرجات من توزيع احتمالي ، بدلاً من تقنيات الانحدار المعتادة. الهدف من الانحدار الخطي Bayesian هو العثور على لاحقة بدلاً من معلمات النموذج.

من المفترض أن تحدث معلمات النموذج من التوزيع.

التعبير اللاحق هو

اللاحق = (الاحتمالية * السابقة) / التطبيع

المعادلة أعلاه تشبه نظرية بايز ، وهي

مصدر

التطبيق الواقعي للانحدار الخطي البايزي

وفقًا للرسوم البيانية التالية ، يمكن أن يولد الانحدار الخطي والانحدار البايزي نفس التوقعات.

مصدر

مصدر

في الرسم البياني الأخير ، يمكننا أن نفترض أنه إذا كان التوزيع التنبئي داخل اللون السميك ، فإن كثافة البيانات عالية وإذا كانت في منطقة نادرة ، فيمكن اعتبار الكثافة منخفضة.

دعنا نتحدث عن ميزة الانحدار البايزي:

• بمساعدة المعالجة بايزي ، يمكننا استرداد مجموعة كاملة من الحلول الاستنتاجية بدلاً من تقدير النقاط.
• يعمل بكفاءة مع الحجم الصغير لمجموعة البيانات.
• إنه مناسب جدًا لشكل التعلم عبر الإنترنت ، بينما ، في شكل التعلم الجماعي ، لدينا مجموعة البيانات الكاملة.
• إنه نهج قوي للغاية ومختبر.

الآن ، دعنا نتحدث عن مساوئ الانحدار الخطي البايزي.

• لا يعمل بكفاءة إذا كانت مجموعة البيانات تحتوي على كمية هائلة من البيانات.
• يمكن أن يكون تخمين النموذج مضيعة للوقت.

قراءة: أفكار وموضوعات المشروع الخطي

خاتمة

لذلك ، يمكننا أن نرى ما هي طريقة الانحدار الخطي البايزي القوية. يمكن الاستفادة من العديد من المزايا مع الانحدار الخطي Bayesian وهي إحدى الآليات الطبيعية لحساب البيانات غير الكافية أو الموزعة بشكل سيئ.

وجهة نظر بايزي هي شكل غريزي لرؤية العالم. بالنسبة لنظيره المتكرر ، يمكن أن يزين الاستدلال البايزي بديلاً مناسبًا للغاية. يتم استخدامه في مجالات مختلفة مثل علم البيانات والتعلم الآلي وغيرها الكثير. يساعد في بناء نماذج مختلفة يمكننا من خلالها حل العديد من المشكلات.

إذا كنت ترغب في معرفة المزيد عن الوظائف في التعلم الآلي والذكاء الاصطناعي ، تحقق من IIT Madras وشهادة upGrad المتقدمة في التعلم الآلي والسحابة.