Introduction à la régression linéaire simple

📋 Plan du Cours

1. Régression linéaire simple
2. Fonction coût
3. Algorithme de gradient
4. Variables dépendantes et indépendantes
5. Représentation graphique
6. Modélisation linéaire
7. Prédiction prix surface
8. Apprentissage supervisé
9. Fonction de perte quadratique
10. Descente de gradient

📖 1. Régression linéaire simple

🔑 Notions clés & Définitions

• Régression linéaire simple : Modélisation linéaire entre deux variables, où la variable dépendante Y est expliquée par une seule variable indépendante X, à l’aide d’une droite f(x) = b0 + b1 x.
• Objectif : Expliquer une variable dépendante Y à l’aide d’une variable indépendante X, en établissant une relation linéaire.
• Variable dépendante (Y) : Variable à expliquer ou à prédire dans le modèle.
• Variable indépendante (X) : Variable explicative utilisée pour modéliser Y.
• Différence entre régression simple et multiple : La régression simple utilise une seule variable indépendante, tandis que la régression multiple en utilise plusieurs (voir section 2).

📝 Points essentiels