الثابت a=500: الحد الأدنى النظري للسعر عند مساحة صفر (تفسير نظري في هذا السياق). الميل b=1200: كل متر مربع إضافي يرفع السعر بـ 1200 جنيه في المتوسط. إذن شقة 100 م²: y = 500 + 1200×100 = 120,500 جنيه. الميل الموجب يؤكد العلاقة الطردية المنطقية.

R²=0.85 يعني: المتغير المستقل (المساحة مثلًا) يُفسّر 85% من التباين في السعر. الـ 15% الباقية: عوامل أخرى لم يتضمنها النموذج — الموقع، الطابق، التشطيبات، قرب المدارس، السوق الكلي. R² مرتفع جيد لكن لا يُقيّم جودة التوقع مع بيانات جديدة (لذا نحتاج التحقق على بيانات اختبار).

Overfitting (الإفراط في التخصيص) — النموذج حفظ البيانات بدل أن يتعلم النمط. يؤدي بشكل مذهل على ما رآه لكن يفشل مع بيانات جديدة. الأسباب: نموذج معقد جدًا (متغيرات كثيرة)، بيانات تدريب قليلة. الحل: تبسيط النموذج (Regularization)، أو المزيد من بيانات التدريب، أو Cross-Validation.

(1) تقسيم البيانات: 70-80% تدريب، 20-30% اختبار (البيانات التي لم يرها النموذج). (2) التدريب على بيانات التدريب فقط. (3) التقييم على بيانات الاختبار بـ RMSE وR². (4) Cross-Validation إذا البيانات محدودة: تقسيم لـ k مجموعات، تدريب k مرة مع تغيير مجموعة الاختبار. (5) مقارنة التوقعات بالأسعار الفعلية في الرسم البياني.

الخطي: يُتنبأ بقيمة مستمرة (السعر، الوزن، درجة الحرارة). Logistic: يُتنبأ بفئة (نعم/لا، مريض/سليم، سبام/غير سبام) — يُخرج احتمالية. الاستخدام: تنبؤ سعر الشقة → خطي. تنبؤ هل البريد سبام؟ → Logistic. تنبؤ هل المريض سيُشفى؟ → Logistic.

المتغيرات المزيفة: متغيرات مستقلة لها ارتباط إحصائي بـ Y لكن ليس لها علاقة سببية منطقية. مثال: إضافة ‘عدد محطات المترو في المدينة’ لنموذج سعر الشقة — قد تكون ذات ارتباط لأن المدن الكبيرة (أسعار أعلى ومترو أكثر) لكن المترو لا يُسبب ارتفاع السعر. تضرّ بالتفسير: تُعطي انطباعًا بأن عامل لا قيمة له مؤثر، وتُفسد تفسير الأسباب الحقيقية.

البقايا = الفرق بين القيمة الحقيقية والمتنبأ بها. رسمها مقابل المتغير المستقل يكشف: (1) هل العلاقة خطية حقًا؟ (نمط منحنٍ يعني الحاجة لنموذج أعلى درجة). (2) هل التباين ثابت (Homoscedasticity) أم يتسع مع X؟. (3) هل هناك قيم شاذة مؤثرة؟. البقايا العشوائية الموزعة حول الصفر = نموذج جيد.

Multicollinearity: ارتباط عالٍ بين المتغيرات المستقلة أنفسها (مثال: المساحة ووزن المبنى مرتبطان جدًا). التأثير: يصعب على النموذج تقدير معامل كل متغير بشكل مستقل — المعاملات تصبح غير مستقرة وحساسة جدًا لإضافة أو حذف مشاهدة واحدة. التشخيص: VIF (Variance Inflation Factor). الحل: إزالة أحد المتغيرات المتداخلة أو دمجهما.

بدلًا من فئتين (نعم/لا)، يُتنبأ بأحد ثلاث فئات أو أكثر. مثال: تصنيف مراجعة عميل إلى: إيجابية / محايدة / سلبية — ثلاث فئات. أو تصنيف المرض: سرطان نوع A / B / C. الخوارزمية تُحسب احتمالية كل فئة ويُختار الأعلى.

Cross-Validation: تقسيم البيانات لـ k مجموعات. كل مرة تُختبر مجموعة واحدة والباقي للتدريب، يُكرر k مرة. المتوسط يُعطي تقييمًا أدق. أفضل من تقسيم واحد لأن: التقسيم الواحد قد يضع بيانات سهلة أو صعبة بشكل عشوائي في الاختبار — فيبدو النموذج أفضل أو أسوأ مما هو. Cross-Validation يُقيّم الأداء عبر كل البيانات.

R² ليس كافيًا وحده. إضافيًا يحتاج: (1) Confusion Matrix: كم حالة تخلف حقيقية رصد النموذج (Recall)؟ — تفويت حالة تخلف أخطر من رفض عميل جيد. (2) AUC-ROC: أداء النموذج عبر عتبات مختلفة. (3) اختبار الإنصاف: هل يُميّز ضد فئات معينة؟. (4) مراجعة قانونية. (5) Back-testing: كيف كان سيؤدي تاريخيًا؟

للتنبؤ: الهدف التوقع الدقيق لقيم Y جديدة — دقة التوقع هي المقياس (RMSE). يُقبل النموذج معقد ما دام دقيقًا. للاستدلال: الهدف فهم العلاقة — هل X يؤثر على Y؟ بكم؟ تفسير المعاملات مهم، والبساطة والقابلية للتفسير مُقدَّمة. مثال: تنبؤ سعر السهم غدًا = تنبؤ. دراسة كيف يؤثر التعليم على الدخل = استدلال.