Словарь ИИ
Что такое регрессия
Коротко
Регрессия это задача машинного обучения, в которой модель предсказывает число: цену, спрос, срок доставки или расход топлива.
Машинное обучение · regression
Михаил МозгПроверено: 1 минута чтения
Ребенку
Представь, что каждую неделю ты измеряешь, насколько вырос цветок на подоконнике, и рисуешь точки на листочке. Точки выстраиваются почти в линию. Если продолжить эту линию, можно угадать, каким цветок станет через месяц. Компьютер умеет так же: смотрит на прошлые точки и называет число, которое будет дальше.
Простыми словами
Здесь модель отвечает на вопрос «сколько?». Она получает признаки объекта, например площадь квартиры, этаж, район и год постройки, и выдает число: ожидаемую цену. Чтобы научиться, она изучает тысячи прошлых сделок и подбирает, как каждый признак влияет на результат. Ответ почти никогда не совпадает с жизнью до рубля, поэтому важно, насколько в среднем ошибается модель. Тем же способом оценивают время поездки на такси, число звонков в колл-центр завтра или расход электроэнергии цехом.
Для бизнеса
Компании используют такие модели везде, где решение зависит от числа: сколько товара заказать, какую цену поставить, когда клиент оплатит счет, сколько операторов вывести на смену. Деньги приносит не формула, а точность прогноза в рублях: ошибка в закупке превращается в излишки на складе или пустые полки. Стоимость проекта зависит от длины и чистоты истории и от числа факторов, которые придется собрать из 1С, CRM и внешних источников. Риски: модель плохо работает после резких перемен на рынке и молча ошибается на новых товарах без истории. Ее ошибку сравнивают с простым правилом вроде «как в прошлом месяце» и только потом решают, стоит ли внедрять.
Для специалиста
Регрессия (regression) это задача обучения с учителем с непрерывной целевой переменной. Метод наименьших квадратов (ordinary least squares) подбирает веса линейной модели, минимизируя сумму квадратов остатков. Регуляризация добавляет штраф: L2 в гребневой регрессии (Ridge) сжимает коэффициенты и делает их устойчивее к мультиколлинеарности, L1 в лассо (Lasso) обнуляет часть коэффициентов и работает как отбор признаков. Нелинейные зависимости ловят деревья, градиентный бустинг, нейросети и гауссовские процессы, а квантильная регрессия (quantile regression) оценивает не среднее, а заданный квантиль. Логистическая регрессия, несмотря на название, решает задачу классификации. Метрики: средняя абсолютная ошибка (MAE), среднеквадратичная ошибка (MSE) и корень из нее (RMSE), средняя абсолютная процентная ошибка (MAPE), коэффициент детерминации R². Для временных рядов проверку делают только на более поздних периодах, иначе оценка завышена.
Пример
Сеть кофеен прогнозирует, сколько молока понадобится каждой точке завтра. Модель учитывает день недели, погоду и продажи прошлых недель, а управляющий получает готовую цифру для заказа.
Связанные термины
Вопросы и ответы
Чем регрессия отличается от классификации?
Как понять, что регрессионная модель работает хорошо?
Источники
Где это применяют в компании
Не уверены, нужно ли это вашей компании?
Карта ИИ-решений