रेखीय प्रतिगमन (ML)
रेखीय प्रतिगमन एक या अधिक इनपुट विशेषताओं और एक सतत संख्यात्मक परिणाम के बीच एक सीधी-रेखा संबंध को न्यूनतम वर्ग भविष्यवाणी त्रुटियों के योग को कम करके फिट करता है। एक मशीन-लर्निंग मॉडल के रूप में इसे लेबल किए गए उदाहरणों पर प्रशिक्षित किया जाता है और अलग रखे गए डेटा पर मूल्यांकित किया जाता है, जिससे यह किसी भी प्रतिगमन कार्य के लिए सबसे सरल पर्यवेक्षित शिक्षण आधार रेखा बन जाता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- Hastie, T., Tibshirani, R. & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction (2nd ed., Ch. 3). Springer. ISBN: 978-0-387-84858-7
- James, G., Witten, D., Hastie, T. & Tibshirani, R. (2013). An Introduction to Statistical Learning (Ch. 3). Springer. ISBN: 978-1-4614-7138-7
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Linear Regression as a Machine Learning Model. ScholarGate. https://scholargate.app/hi/machine-learning/linear-regression-ml
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- निर्णय वृक्षमशीन अधिगम↔ compare
- ग्रेडिएंट बूस्टिंगमशीन अधिगम↔ compare
- लॉजिस्टिक रिग्रेशन (एमएल)मशीन अधिगम↔ compare
- रैंडम फ़ॉरेस्टमशीन अधिगम↔ compare
- नियमित रैखिक प्रतिगमनमशीन अधिगम↔ compare