ماهو الفرق بين الانحدار (Regression) والارتباط (Correlation)؟
برز مصطلح الانحدار مع خوارزمية Linear Regression والتي تستخدم في #تعلم_الآلة ، ولكن لأهمية التفريق بين الانحدار والارتباط وكون الكثير يخلط بينهما، سأتكلم بشكل مختصر أسفل التغريدة عن أبرز الفروق بينهما #علم_البيانات
برز مصطلح الانحدار مع خوارزمية Linear Regression والتي تستخدم في #تعلم_الآلة ، ولكن لأهمية التفريق بين الانحدار والارتباط وكون الكثير يخلط بينهما، سأتكلم بشكل مختصر أسفل التغريدة عن أبرز الفروق بينهما #علم_البيانات
الانحدار الخطي تقنية احصائية بسيطة من أكثر التحليلات شهرة واستخداماً، تعمل على وصف العلاقات بين متغير/متغيرات تفسيرية (مدخلات) ومتغير/متغيرات استجابة (مخرجات)، أي أنها تقوم بنمذجة تبعية متغير لمتغير آخر، وبمجرد تحديد هذه العلاقة يتم تمثيلها بشكل رسمي كدالة أو معادلة خطية
يستخدم الانحدار في غرضين:
1⃣ اختبار فرضية او استقصاء العلاقات المحتملة بين المتغيرات المختلفة
2⃣ تقدير التنبؤ بقيم متغيرات الاستجابة بناءً على متغير تفسيري واحد أو أكثر
و تعتبر القوة التفسيرية للانحدار أساس لقدرته على التنبؤ 👌
1⃣ اختبار فرضية او استقصاء العلاقات المحتملة بين المتغيرات المختلفة
2⃣ تقدير التنبؤ بقيم متغيرات الاستجابة بناءً على متغير تفسيري واحد أو أكثر
و تعتبر القوة التفسيرية للانحدار أساس لقدرته على التنبؤ 👌
الارتباط بالمقابل يتم تعريفه كمقياس للعلاقة بين متغيرين، وهذه العلاقة لاتعني أن أحدهما سبب لحدوث الآخر وانما علاقة ارتباط في الحدوث، وتكون بين +1 و -1 ، كلما اقتربت من +1 تعني أن العلاقة طردية و كلما اقتربت من -1 تعني ان العلاقة عكسية واقترابها من الصفر يعني عدم وجود تلك العلاقة
أما الفرق بينهما، تحليل الانحدار نشأ من دراسات الارتباط، وكلاهما يحاولان وصف العلاقة بين متغيرين أو أكثر، الارتباط لا يضع افتراضاً لتبعية أحد المتغيرات للآخر بعكس الانحدار، وكذلك الارتباط لايهتم بالعلاقة بين المتغيرات و إنما يعطي تقديراً على مدى ترابطهم
الانحدار يحاول وصف تبعية أحد المتغيرات (متغير الاستجابة) لمتغير تفسيري واحد أو أكثر، حيث يفترض ضمنياً أن هناك تأثير سببي أحادي الاتجاه للمتغير التفسيري (المدخلات) على متغير الاستجابة (المخرجات) بغض النظر ما إذا كان مسار التأصير مباشر أو غير مباشر
الارتباط يهتم بالعلاقات ذات المستوى المنخفض بين متغيرين بينما الانحدار يختص بالعلاقات من نوع مؤثر ومستجيب، الارتباط لايعني السببية، والانحدار يفترض ضمنياً وجود هذه السببية (تعني أن حدوث أحد المتغيرات يؤدي الى حدوث متغير آخر)، الانحدار علاقة زمنية متسلسلة والارتباط علاقة أفقية
@MrAlfawzan شكراً عبدالرحمن على كرمك ولطفك، وعسى أن نكون عند حسن الظن دائماً 🌹
@hjdooo البيانات سواء المدخلات او المخرجات رقمية (Numerical)
@ksachart لا ليس كذلك
@hjdooo بالضبط
حتى تتضح الصورة أكثر إليكم بعض الأمثلة عن الارتباط:
ارتباط ايجابي (+1): طول الشعر وكمية الشامبو المستهلك
ارتباط سلبي (-1): عدد أيام غياب الطالب ودرجته في الامتحان
عدم ارتباط (0): المسافة التي يقطعها الشخص في التمارين ووزنه
ارتباط ايجابي (+1): طول الشعر وكمية الشامبو المستهلك
ارتباط سلبي (-1): عدد أيام غياب الطالب ودرجته في الامتحان
عدم ارتباط (0): المسافة التي يقطعها الشخص في التمارين ووزنه
لاحظوا ان الارتباط مقياس احصائي يحدد العلاقة بين متغيرين (طول الشعر وكمية الشامبو ، أيام الغياب والدرجة ، المسافة والوزن)، ويعطي رقم عن مدى ارتباطهم مع بعض، وبالإمكان قياس هذا الارتباط بسهولة، شرح طريقة حساب الارتباط: corporatefinanceinstitute.com
الانحدار يحاول اكتشاف مثل هذا الترابط واستخدامه في التنبؤ عن قيم مستقبلية لإحد المتغيرين باستخدام قيمة المتغير الآخر، على سبيل المثال لنفترض أن أحدهم ذهب إلى الصيدلية لشراء شامبو، والصيدلية تستخدم خوارزمية Linear Regression للتنبؤ بالكمية التي يحتاجها العميل كما في الصورة المرفقة
جاري تحميل الاقتراحات...