@import url(https://fonts.googleapis.com/css?family=Source+Sans+Pro:300,400,600,700); 5 vídeos para entender de uma vez Regressão Linear Simples Correlação, método dos mínimos quadrados, coeficiente de determinação, significância estatística\u2026 Tudo que você precisa saber para entender Regressão Linear SimplesLendo o livro Naked Statistics de Charles Wheelan, eu enfim cheguei ao esperado capítulo 11 sobre Análise de Regressão, assunto fundamental para quem quer trabalhar com Machine Learning . Apesar do capítulo ser muito bem explicado por Charles, senti a necessidade de ouvir outras explicações sobre o assunto para eliminar algumas dúvidas e reforçar alguns entendimentos. Então, trago aqui cinco vídeos que encontrei na internet e que me ajudaram bastante a complementar meu entendimento sobre Regressão Linear.#1 Correlação X Regressão Linear SimplesQuando comecei a ler o capítulo de regressão do Naked Statistics tive um pouco de dúvidas sobre quando usar a análise de correlação e quando usar regressão linear. Então, caí no vídeo do professor Alan que apresenta e diferencia os dois conceitos. No final, captei que a correlação (dada pelo Coeficiente de Correlação de Pearson) é apenas um número que indica o grau da relação, enquanto que na regressão linear teremos uma equação para a reta que relaciona as duas variáveis.O vídeo tem um approach prático de resolução de exercícios: o exemplo traz os dados de vendas (em unidades) em função do preço de um produto e calcula, passo a passo, a correlação e reta de regressão. O vídeo é um pouco longo, porque mostra como fazer os cálculos na calculadora cientifica.#2 Método dos Mínimos QuadradosBeleza, entendi que a regressão linear traz uma reta que melhor representa a relação entre duas variáveis. Mas como se chega a essa \u201cmelhor\u201d reta? Como achar os coeficientes da reta que minimizam os erros entre os valores estimados (da reta de regressão) e os valores reais? Aqui entra o Método dos Mínimos Quadrados.O professor Murakami traz com dois vídeos para explicar o Método dos Mínimos Quadrados, método que vai responder a pergunta anterior. O primeiro vídeo é mais ilustrativo, para entendermos o conceito do método através de um exemplo prático. No segundo vídeo, há uma generalização do conceito com a apresentação das fórmulas para o cálculo dos coeficientes da reta que minimiza a soma dos quadrados dos erros. Os vídeos tem um pouco mais de matemática que o normal, mas valem a pena.#3 Coeficiente de Determinação (R²)Depois que achei a reta que melhor representa a relação entre as duas variáveis, agora preciso saber o quanto que aquela reta explica a relação entre as duas variáveis. Essa informação é dada com o coeficiente de determinação, também conhecido como coeficiente de explicação, R² ou R2.Neste vídeo, o pessoal do Didática Tech demonstra a fórmula e explica como chegar ao valor de R². O entendimento da fórmula, ajuda a fixar o conceito do coeficiente de determinação.#4 Significância estatística da regressão linearO vídeo sobre regressão linear do canal StatQuest é bastante completo. Não a toa, está entre os vídeos mais vistos do mundo sobre o tema. Vale muito vê-lo todo, mas o que quero destacar nele está a partir do minuto dezesseis: o cálculo da significância estatística da regressão.Ter um coeficiente de determinação (R²) alto é muito importante, mas não é tudo: é preciso que esse valor seja estatisticamente significante. No vídeo, é apresentada a forma de calcular o p-valor de R² a partir da função F (também explicada no vídeo).#5 Juntando tudo na práticaO vídeo de Diogo Cortiz é um pouco longo, mas traz todo os conceitos relacionados à Regressão Linear e os aplica em um exemplo prático. O material é uma adaptação do curso de IA que ele dá para alunos de mestrado e doutorado do TIDD/PUC-SP.Diogo traz o step by step para fazer a Regressão e inclusive compartilha o código em Python e os data sets para quem quiser exercitar o que aprendeu no vídeo.