الانحدار الترتيبي هو نوع من خوارزمية التعلم الإحصائي المستخدمة لإجراء تنبؤات في تحليل البيانات. يتم استخدامه على نطاق واسع لتحليل مجموعات البيانات ذات القيم المستهدفة التي تكون إما أرقامًا صحيحة أو فئات أو في بعض المواقف قيمًا مستمرة. إنها تقنية تعلم خاضعة للإشراف تتنبأ باحتمالية وجود متغير مستهدف فئوي في فئة واحدة من مجموعة فئات محددة مسبقًا.
يُستخدم الانحدار الترتيبي بشكل شائع في تطبيقات التعلم الآلي مثل التنبؤ بالاحتيال على بطاقات الائتمان أو التشخيص الطبي. ويمكن استخدامه أيضًا للبحث في مجالات مثل الطب وعلم النفس. تعمل الخوارزمية من خلال إيجاد دالة خطية أو متعددة الحدود تفصل بشكل أفضل بيانات الإدخال إلى فئات الإخراج المختلفة.
على سبيل المثال، يمكن استخدام خوارزمية الانحدار الترتيبي للتنبؤ بالعلاقات بين البالغين والأطفال في مجموعة بيانات تتضمن عوامل مثل العمر والجنس والموقع والتعليم ونوع الوظيفة. يمكن بعد ذلك تصنيف كل نقطة من نقاط البيانات إلى فئات مختلفة مثل الأم والطفل، والأب والطفل، والعمة وابن الأخ، وما إلى ذلك. ستقوم خوارزمية الانحدار الترتيبي بعد ذلك بإخراج العلاقة الأكثر احتمالية بين البالغين والطفل بناءً على البيانات المدخلة.
يستخدم الانحدار الترتيبي أيضًا في أبحاث السوق لفهم تفضيلات المستهلك بشكل أفضل. وقد تم استخدامه في التنبؤ والتنبؤ بالمبيعات، واتخاذ القرارات التحليلية، وحتى وضع المنتج في المتاجر.
تشمل الخوارزميات الأكثر شيوعًا للانحدار الترتيبي الانحدار اللوجستي، ومصنفات شجرة القرار، والشبكات العصبية، وآلات ناقل الدعم، والأساليب القائمة على الترتيب. الانحدار اللوجستي هو الخوارزمية الأكثر استخدامًا، لأنه قوي بالنسبة للقيم المتطرفة ويمكنه التعامل مع فئات متعددة، ولكن جميع البدائل لها أيضًا مزايا محددة في سيناريوهات معينة.
