Linear regression

မြန်မာဘာသာဖြင့် သင့်လျော်သော အမည်မရှိသေးသောကြောင့် ဤဆောင်းပါးခေါင်းစဉ်ကို အခြားဘာသာစကား / စာဖြင့် ရေးသားထားခြင်း ဖြစ်သည်။

Linear Regression ဟာ Machine learning (ဒေတာအခြေပြုသင်ယူမှုစနစ်) မှာ အသုံးများပြီး အခြေခံအဖြစ် ထင်ရှားတဲ့ supervised learning algorithm တစ်မျိုးဖြစ်သည်။ ၎င်းသည် input variables (features) နှင့် output variable (target) တြားအကြားရှိ သဘာဝဆက်နွယ်မှုကို မျဉ်းတစ်ကြောင်း (linear relationship) ဖြင့် ဖော်ပြရေးသားသတ်မှတ်သော နည်းပညာဖြစ်သည်။

Linear Regression ကို အများအားဖြင့်

• ခန့်မှန်းခြေ (prediction)
• ဆက်နွယ်မှုတွေ့ရှိမှု (relationship analysis)
• Trend analysis

စသည့် နယ်ပယ်များတွင် မြန်ဆန်လွယ်ကူစွာ အသုံးပြုကြသည်။

Mathematical Formulation

Linear Regression ၏အခြေခံချဉ်းကပ်ပုံမှာ အောက်ပါ Equation ဖြစ်သည်–

y^​=β0​+β1​x1​+β2​x2​+...+βn​xn​

Variable များ၏အနိမ့်အဓိပ္ပါယ်

• ŷ (y-hat) – Model ထုတ်ပေးသည့် ခန့်မှန်းတန်ဖိုး
• β₀ (Intercept) – Input values မပါခင် Y value
• β₁, β₂, ..., βₙ (Coefficients / Weights) – Feature တစ်ခုချင်းစီက output ကို ဘယ်လောက် သက်ရောက်သလဲဆိုတာကို ဖော်ပြသော ကိန်းဂဏန်းများ
• x₁, x₂, ..., xₙ (Features) – Input variables

ဥပမာ — အိမ်ဈေးနှုန်း ခန့်မှန်းရာတွင်

• Input = အိမ်အကျယ်, အခန်းအရေအတွက်, တည်နေရာ
• Output = အိမ်ဈေးနှုန်း

Cost Function — Ordinary Least Squares (OLS)

Linear Regression သည် အကောင်းဆုံးမျဉ်း (best-fit line) ကိုရှာဖွေရန် Actual Value နှင့် Predicted Value တြားက error ကိုအနည်းဆုံး ဖြစ်အောင်လုပ်ခြင်းကို ရည်ရွယ်သည်။

အသုံးများသော cost function သည် Mean Squared Error (MSE) ဖြစ်သည်—

MSE=n1​∑(yi​−y^​i​)2

အသေးစိတ်-

• yᵢ – Actual value
• ŷᵢ – Predicted value
• n – Data points အရေအတွက်

Gradient Descent ဆိုသော Optimization Algorithm ကို သုံး၍ β coefficients များကို တဖြည်းဖြည်း update လုပ်ပြီး error ကို minimize လုပ်သွားသည်။

Applications in the Real World

1. Real Estate — Zillow Zestimate

အမေရိကန်ရှိ Zillow က အိမ်ဈေးနှုန်း ခန့်မှန်းရာတွင် Linear Regression ကိုအသုံးပြုကာ "Zestimate" ဟုခေါ်သော automated valuation model ကို တည်ဆောက်ခဲ့သည်။

Features အနေနဲ့–

• အိမ်အကျယ်
• အခန်းအရေစုံ
• တည်နေရာ စသဖြင့် အသုံးပြုခဲ့သည်။

2021 ခုနှစ်တွင် Zillow ၏ iBuying Program မှာ Model Error ကြောင့် အနည်းဆုံး $300 million ခန့် ဆုံးရှုံးခဲ့မှုဖြင့် Model Accuracy ၏အရေးပါမှုကို ထင်ရှားစွာ ပြသခဲ့သည်။

---

2. Health Sector — Heart Disease Prediction

ဆေးဘက်နယ်ပယ်တွင်လည်း Linear Regression သည်

• အသက်
• ကိုယ်အလေးချိန်
• သွေးတင်းကြပ်မှု စသကဲ့သို့သော variables များအပေါ် အခြေခံကာ Heart Disease Risk ကို ခန့်မှန်းရာတွင် အသုံးပြုသည်။

Framingham Heart Study က ဆယ်စုနှစ်ပေါင်းများစွာ စုဆောင်းခဲ့သော dataset ကို အသုံးပြုကာ Risk Prediction Models များကို တည်ဆောက်ရာတွင် Linear Regression ကို သုံးခဲ့သည်။