การถดถอยเชิงเส้น (Linear Regression) (ML)
การถดถอยเชิงเส้น (Linear regression) จะปรับความสัมพันธ์แบบเส้นตรงระหว่างคุณลักษณะนำเข้า (input features) หนึ่งอย่างหรือมากกว่า กับผลลัพธ์เชิงตัวเลขแบบต่อเนื่อง โดยลดผลรวมของกำลังสองของข้อผิดพลาดในการทำนายให้เหลือน้อยที่สุด ในฐานะที่เป็นแบบจำลองการเรียนรู้ของเครื่อง (machine-learning model) จะถูกฝึกด้วยตัวอย่างที่มีป้ายกำกับ (labeled examples) และประเมินด้วยข้อมูลที่กันไว้ (held-out data) ทำให้เป็นพื้นฐานการเรียนรู้แบบมีผู้สอน (supervised learning) ที่ง่ายที่สุดสำหรับงานการถดถอยใด ๆ
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Linear Regression as a Machine Learning Model. ScholarGate. https://scholargate.app/th/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.
- ต้นไม้ตัดสินใจการเรียนรู้ของเครื่อง↔ compare
- การเสริมกำลังไล่ระดับการเรียนรู้ของเครื่อง↔ compare
- การถดถอยโลจิสติก (ML)การเรียนรู้ของเครื่อง↔ compare
- Random Forestการเรียนรู้ของเครื่อง↔ compare
- การถดถอยเชิงเส้นแบบปรับค่า (Regularized Linear Regression)การเรียนรู้ของเครื่อง↔ compare