linear_regression تقدّر الميل والثابت بالمربعات الصغرى العادية. [1]
الخلاصة السريعة
proportional=True يفرض المرور بالأصل، وقد يغيّر الميل. [1]
- linear_regression تقدّر الميل والثابت بالمربعات الصغرى العادية. [1]
- مع proportional=True يُفترض تناسب مباشر؛ يكون الثابت 0.0. [1]
- مثال مؤلف شُغّل على CPython 3.12.14 مع import statistics؛ x=[2,4,6] وy=[7,11,15]: الافتراضي يعطي الميل 2.0 والثابت 3.0. [1]
- proportional=True يعطي الميل 2.642857142857143 والثابت 0.0 للأزواج نفسها. القيد غيّر الملاءمة، ولم يكتف بحذف الثابت من الخط السابق. [1]
- تقييم الخطين عند x=0 يعطي 3 و0 على الترتيب. هذه مقارنة للمعادلتين خارج قيم x المرصودة، وليست مشاهدة إضافية. [1]
الميل والثابت
linear_regression تقدّر الميل والثابت بالمربعات الصغرى العادية. [1]
قيد المرور بالأصل
مع proportional=True يُفترض تناسب مباشر؛ يكون الثابت 0.0. [1]
الملاءمة الافتراضية
مثال مؤلف شُغّل على CPython 3.12.14 مع import statistics؛ x=[2,4,6] وy=[7,11,15]: الافتراضي يعطي الميل 2.0 والثابت 3.0. [1]
statistics.linear_regression(x,y) -> LinearRegression(slope=2.0, intercept=3.0) [1]
ملاءمة مقيدة
proportional=True يعطي الميل 2.642857142857143 والثابت 0.0 للأزواج نفسها. القيد غيّر الملاءمة، ولم يكتف بحذف الثابت من الخط السابق. [1]
statistics.linear_regression(x,y,proportional=True) -> LinearRegression(slope=2.642857142857143, intercept=0.0) [1]
تقييم الخطين عند x=0 يعطي 3 و0 على الترتيب. هذه مقارنة للمعادلتين خارج قيم x المرصودة، وليست مشاهدة إضافية. [1]
المراجع
للتوسع: التصنيف والانحدار.
أُعدّ هذا المقال بمساعدة الذكاء الاصطناعي، وخضع لمراجعة ذاتية بالأداة نفسها. لا يُنسب إلى مراجع بشري أو خبير مستقل. منهجية المحتوى.