Glossaire

Régression linéaire

Qu’est-ce que Régression linéaire ?

La régression linéaire est une méthode statistique qui décrit la relation entre une variable cible et une ou plusieurs variables explicatives au moyen d'une droite ou d'un plan. Les coefficients sont généralement choisis de façon à minimiser la somme des carrés des écarts. La méthode est simple à comprendre et à interpréter : elle permet par exemple d'estimer de combien le chiffre d'affaires augmente si le budget publicitaire croît de 1 000 euros. Elle atteint ses limites face à des relations non linéaires.

Thèmes

Statistiques
Prévision
Apprentissage automatique

Essayer KI.ordo

Agents, flux et modèles dans un seul espace de travail – démo gratuite de 24 heures.

Lancer la démo

← Tous les termes

Termes associés

Régression logistique

La régression logistique est une méthode statistique qui prédit la probabilité de l’un de deux résultats, par exemple « achète » ou « n’achète pas ». Elle pondère les variables d’entrée et transforme leur somme en une valeur comprise entre 0 et 1 au moyen d’une fonction en forme de S. Ses poids étant faciles à interpréter, elle est très utilisée pour l’évaluation du crédit, en médecine et en marketing, souvent comme référence pour des modèles plus complexes.

statistique
classification
+1

Erreur absolue moyenne (MAE)

L’erreur absolue moyenne (Mean Absolute Error, MAE) indique de combien les prédictions d’un modèle s’écartent en moyenne des valeurs réelles, quel que soit le sens de l’écart. Elle s’exprime dans l’unité de la grandeur prédite et reste donc facile à comprendre. Exemple : une MAE de 12 pour une prévision des ventes journalières signifie que le modèle se trompe en moyenne de 12 unités. Elle pondère moins les valeurs aberrantes que l’erreur quadratique.

métrique
régression
+1

R² ajusté

Le R² ajusté mesure dans quelle mesure un modèle de régression explique la variabilité des données, en tenant compte du nombre de variables explicatives. Le R² simple augmente à chaque variable ajoutée, même inutile ; la version ajustée pénalise les variables superflues. On peut ainsi comparer plus équitablement des modèles de tailles différentes, par exemple une prévision des ventes fondée sur trois facteurs plutôt que dix.

Statistiques
Régression
+1

Modélisation prédictive

La modélisation prédictive est le cœur technique de l'analyse prédictive : à partir d'exemples dont le résultat est connu, on construit un modèle qui prédit une valeur ou une classe pour de nouveaux cas. Les méthodes courantes sont la régression, les arbres de décision, les forêts aléatoires ou les réseaux de neurones. Un modèle peut ainsi estimer le prix d'un bien d'après sa surface, son emplacement et son année de construction. Avant déploiement, il est testé sur des données mises de côté pour détecter le surapprentissage.

modélisation
prédiction
+1