A regressão linear no aprendizado de máquina busca estabelecer uma relação entre as variáveis de entrada (independentes) e a variável de saída (dependente), permitindo modelar e prever valores com base nessa relação. O modelo utiliza uma equação linear para ajustar os dados e identificar padrões

GAB ERRADO

(1) Regressão linear é uma técnica de aprendizado de máquina que busca estabelecer uma relação linear entre uma variável de saída (variável dependente) e uma ou mais variáveis de entrada (variáveis independentes).

(2) Ela é amplamente utilizada para prever valores contínuos com base em dados históricos.

(3) Por exemplo, você pode usar regressão linear para prever o preço de uma casa com base em características como tamanho, número de quartos, localização etc

_

Questão: A regressão linear do aprendizado de máquina busca estabelecer uma relação entre as variáveis de entrada de um algoritmo. (DE ENTRADA E SAÍDA)

Errado.

A regressão linear em aprendizado de máquina procura modelar a relação entre uma ou mais variáveis independentes (entradas) e uma variável dependente (saída) contínua, estimando uma reta que melhor se ajusta aos dados. Segundo o guia da GeeksforGeeks, ela “assume que existe uma relação linear entre a variável de entrada e a variável de saída” e usa as variáveis independentes para prever a variável dependente. O Investopedia complementa que a regressão linear simples “usa uma variável independente para explicar ou prever o resultado da variável dependente Y”. Assim, a regressão linear não se limita a relacionar variáveis de entrada entre si; ela estabelece uma relação entre as entradas (variáveis independentes) e o alvo (variável dependente).