THE AGE OF AI
30 ოქტომბერი, 2026
ახლა AI-ში
  1. მოვლენაBinance-ზე ისტორიაში უდიდესი კიბერშეტევა განხორციელდა
  2. მოდელებიMistral Large 4 ღია წონებით გამოვიდა: ახალი ღია მოდელი
  3. NvidiaNvidia Hugging Face: აშშ-ის იუსტიციის სამინისტრო $12.9 მილიარდიან გარიგებას სწავლობს
  4. TechMacBook Pro PROLED XDR: Apple-ის პირველი სენსორული Mac
  5. GeminiGemini 4 Carbon: Google-ის ახალი და ყველაზე ძლიერი მოდელი
  6. NvidiaNemotron 3.5 Transcribe: NVIDIA-ს ღია მოდელი 40 ენის ტრანსკრიფციისთვის
  7. AnthropicAI აგენტის გავლენა: ანალიტიკოსები Claude Code-ის პოზიციას 86%-ში დაეთანხმნენ
  8. Anthropicექსპონენციალური დროის ჰიპოთეზა: Anthropic-ის Claude-მაც 3-SAT-ის ახალი ალგორითმი იპოვა
  9. ChatGPTOracle და OpenAI: Oracle-ის აპლიკაციები ChatGPT-ში და 4 ახალი შეთავაზება
  10. მოვლენატერმინი ხელოვნური ინტელექტი აიკრძალება: ტრამპს AI-ის ნაცვლად Super Intelligence სურს
  11. AnthropicAnthropic წამლების შექმნაში: Claude ექვს პარტნიორთან და საკუთარ პროგრამებზე მუშაობს
  12. GoogleGenie 4: Google DeepMind-ის ახალი სამყაროს მოდელი ხმით და რეალისტური ფიზიკით

რეგრესია (Regression)

რეგრესია (Regression) – ამოცანა, როცა მოდელი რიცხვით მნიშვნელობას წინასწარმეტყველებს, მაგალითად ბინის ფასს.

როგორ მუშაობს რეგრესია

რეგრესია (regression) მანქანური სწავლების ამოცანაა, როცა მოდელი უწყვეტ რიცხვით მნიშვნელობას წინასწარმეტყველებს, მაგალითად ფასს, ტემპერატურას ან გაყიდვების მოცულობას. მოდელი სწავლობს დამოკიდებულებას შემავალ მახასიათებლებსა და შედეგს შორის. უმარტივესი ვარიანტია წრფივი რეგრესია, რომელიც მონაცემებზე სწორ ხაზს არგებს, რთულ შემთხვევებში კი ნეირონული ქსელები გამოიყენება.

მაგალითი ყოველდღიური ცხოვრებიდან

ინტერნეტ-მაღაზია წინა თვეების მონაცემებზე დაყრდნობით პროგნოზირებს, რამდენ ქოლგას გაყიდის მომავალ კვირაში. ან მოდელი ბინის ფართისა და მდებარეობის მიხედვით მის ფასს აფასებს.

რატომ არის რეგრესია მნიშვნელოვანი

  • პროგნოზი – ბიზნესს დაგეგმვასა და მარაგების მართვაში ეხმარება.
  • მარტივი და გასაგები – წრფივი რეგრესიის შედეგი ადვილად ინტერპრეტირებადია.
  • საფუძველი – მანქანური სწავლების ბევრი იდეა რეგრესიიდან იწყება.

რეგრესიის სახეები და შეფასება

ყველაზე მარტივი სახეა წრფივი რეგრესია: შედეგი მახასიათებლების შეწონილ ჯამად გამოითვლება. მაგალითად, ბინის ფასი შეიძლება შეფასდეს როგორც ფართობის, ოთახების რაოდენობისა და მდებარეობის კომბინაცია. მისი უპირატესობა სიმარტივე და გამჭვირვალობაა: ყოველი წონა გვიჩვენებს, რამდენად მოქმედებს მახასიათებელი შედეგზე.

როცა კავშირი წრფივი არ არის, იყენებენ პოლინომიურ რეგრესიას, გადაწყვეტილების ხეებს, მათ ანსამბლებს ან ნეირონულ ქსელებს. რთულ მოდელებს უფრო რთული კანონზომიერების დაჭერა შეუძლიათ, მაგრამ მეტი მონაცემი სჭირდებათ და ზედმეტი მორგების რისკიც უფრო მაღალია.

სახელის მიუხედავად, ლოგისტიკური რეგრესია კლასიფიკაციის მეთოდია: ის ითვლის ალბათობას, რომ ობიექტი გარკვეულ კლასს ეკუთვნის. ეს ხშირი დაბნეულობის მიზეზია დამწყებთათვის.

რეგრესიის შეფასებისას იყენებენ საშუალო აბსოლუტურ შეცდომას, ანუ რამდენით ცდება პროგნოზი საშუალოდ, და საშუალო კვადრატულ შეცდომას, რომელიც დიდ შეცდომებს უფრო მკაცრად სჯის. ასევე გამოიყენება R², რომელიც გვიჩვენებს, მონაცემების ცვალებადობის რა ნაწილს ხსნის მოდელი.

რეგრესია გამოიყენება გაყიდვების პროგნოზში, ენერგიის მოხმარების შეფასებაში, მიწოდების დროის გამოთვლასა და სამეცნიერო კვლევებში, სადაც საჭიროა ცვლადებს შორის კავშირის გაზომვა.

დაკავშირებული ტერმინები

კლასიფიკაცია · ზედამხედველობითი სწავლება · წინასწარმეტყველებითი ანალიტიკა · შეცდომის ფუნქცია · მანქანური სწავლება · AI ლექსიკონი

ხშირად დასმული კითხვები

რეგრესია და კლასიფიკაცია რით განსხვავდება?

რეგრესია რიცხვს პროგნოზირებს, კლასიფიკაცია კი კატეგორიას.

რა არის ლოგისტიკური რეგრესია?

სახელის მიუხედავად, ის კლასიფიკაციის მეთოდია, რომელიც კლასის ალბათობას ითვლის.

შეჯამება

რეგრესია რიცხვითი მნიშვნელობის პროგნოზის ამოცანაა. ის ფასების, მოთხოვნისა და სხვა მაჩვენებლების პროგნოზში ფართოდ გამოიყენება.