É uma técnica de Machine Learning que se concentra em prever valores, com base em variáveis históricas. A regressão analisa a relação entre variáveis independentes e uma variável dependente, permitindo criar modelos preditivos precisos. Podemos treinar algoritmos de regressão, testar, validar contra modelos de base e colocá-los em produção, medindo continuamente o desempenho dos nossos modelos.

A regressão linear simples é uma metodologia que estuda a relação entre dois fenômenos, permitindo entender o efeito e a causalidade entre eles, além de prever novos valores. Através de uma fórmula que desenha uma reta.

Dado uma tabela de dados, gera-se uma nuvem de pontos, e assim criamos uma reta que melhor adapta-se:

Equação:

• y - variável dependente
• x - variável independente
• α - constante/intercepto
• β - coeficiênte linear
• ε - erro (variação dos pontos e a reta)

Formulas:

β = [n Σxiyi - Σxiyi] / [n Σxi² - (Σxi)²]

α = Média[y] - β* Média[x]

Abaixo o gráfico de dispersão:

Dessa forma conseguimos prever, com uma certa precisão os pontos futuros.