Regresi polinomial adalah teknik pembelajaran mesin yang digunakan untuk memprediksi variabel target. Ini adalah bentuk regresi linier tetapi alih-alih menyesuaikan garis derajat tunggal ke data, ia menggunakan beberapa derajat untuk menyesuaikan titik data. Artinya dapat mengidentifikasi dan mewakili hubungan kompleks antara titik data dan variabel target.
Regresi polinomial dapat digunakan untuk memprediksi tren masa depan suatu kumpulan data, memperkirakan keluaran, dan memperkirakan hubungan antar variabel yang berbeda. Misalnya, dapat digunakan untuk memprediksi suhu suatu kota selama beberapa hari ke depan atau memperkirakan hubungan antara harga dan permintaan.
Keuntungan utama regresi polinomial adalah kemampuannya menangani hubungan yang kompleks. Dibandingkan dengan teknik lain seperti regresi linier, regresi polinomial lebih akurat dalam memprediksi keluaran kumpulan data karena dapat memperhitungkan suku-suku orde tinggi.
Kerugian utama dari regresi polinomial adalah overfitting, yaitu model mencoba menyesuaikan noise pada data, bukan pada titik data sebenarnya. Hal ini dapat menyebabkan kesalahan pelatihan yang lebih tinggi dan generalisasi yang lebih rendah pada kumpulan data pengujian.
Regresi polinomial paling baik digunakan untuk masalah kumpulan data non-linier, di mana teknik lain seperti regresi linier gagal memberikan hasil yang baik. Hal ini juga bermanfaat jika suku tingkat tinggi mempunyai pengaruh terhadap variabel target.
Secara keseluruhan, regresi polinomial adalah teknik pembelajaran mesin yang ampuh yang dapat membantu mengidentifikasi hubungan kompleks dalam kumpulan data dan memberikan hasil yang lebih baik dibandingkan teknik lainnya.
