Regressione lineare

La regressione lineare (linear regression) è uno degli algoritmi più conosciuti nell'apprendimento automatico.

Si basa sull'idea che una variabile di output y (o variabile target) sia in relazione lineare con le variabili di input x. L'algoritmo cerca la migliore relazione y=f(x).

La relazione (f) tra la variabile di input e la variabile di output è l'incognita del problema. E' compito dell'algoritmo trovarla.

La regressione lineare è di due tipi

• Regressione lineare semplice
  Se esiste un'unica variabile di input x. La variabile di x è l'unica variabile indipendente.
• Regressione lineare multipla
  Se le variabili di input sono due o più. In questo caso x è un vettore contenente due o più valori.

Ad esempio, la variabile di input (x) contiene varie informazioni sulle caratteristiche di un immobile (es. zona, numero dei vani, piano, vicinanza ai trasporti pubblici ecc.)

La variabile di output (y) è invece la valutazione del prezzo dell'immobile.