使用线性回归的预测建模
[R egression分析： (Regression Analysis:)
Regression analysis is a predictive modeling technique that estimates the relationship between two or more variables. Recall that a correlation analysis makes no assumption about the causal relationship between two variables. Regression analysis focuses on the relationship between a dependent (target) variable and an independent variable(s) (predictors). Here, the dependent variable is assumed to be the effect of the independent variable(s). The value of predictors is used to estimate or predict the likely-value of the target variable.
回归分析是一种预测建模技术，可估计两个或多个变量之间的关系。 回想一下，相关分析没有假设两个变量之间的因果关系。 回归分析着重于因变量(目标变量)和自变量(预测变量)之间的关系。 在此，因变量被认为是自变量的影响。 预测变量的值用于估计或预测目标变量的可能值。
For example to describe the relationship between diesel consumption and industrial production, if it is assumed that “diesel consumption” is the effect of “industrial production”, we can do a regression analysis to predict value of “diesel consumption” for some specific value of “industrial production”
例如，为了描述柴油消耗与工业生产之间的关系，如果假设“柴油消耗”是“工业生产”的影响，我们可以通过回归分析来预测“柴油消耗”的特定值。 “工业生产”
STEPS TO PERFORM LINEAR REGRESSION
进行线性回归的步骤
STEP 1: Assume a mathematical relationship between the target and the predictor(s). “The relationship can be a straight line (linear regression) or a polynomial curve (polynomial regression) or a non-linear relationship (non-linear regression)”
步骤1： 假设目标与预测变量之间存在数学关系。 “关系可以是直线(线性回归)或多项式曲线(多项式回归)或非线性关系(非线性回归)”
STEP 2 : Create a scatter plot of the target variable and predictor variable(simplest and most popular way).
步骤2： 创建目标变量和预测变量的散点图 (最简单，最流行的方式)。
STEP 3 : Find the most-likely values of the coefficients in the mathematical formula.
步骤3： 在数学公式中找到最可能的系数值。
Regression analysis comprises of the entire process of identifying the target and predictors,finding the relationship, estimating the coefficients, finding the predicted values of target, and finally evaluating the accuracy of the fitted relationship
回归分析包括确定目标和预测变量，找到关系，估计系数，找到目标的预测值以及最终评估拟合关系的准确性的全过程。
我们为什么要使用回归分析？ (Why do we use Regression Analysis?)
Regression analysis estimates the relationship between two or more variables. More specifically, regression analysis helps one understand how the typical value of the dependent variable changes when any one of the independent variables is varied, while the other independent variables are held fixed.
[R egression分析估计两个或多个变量之间的关系。 更具体地说，回归分析可帮助人们理解，当任何一个自变量发生变化而其他自变量保持固定时，因变量的典型值将如何变化。
For example, we want to estimate the credit card spend of the customers in the next quarter. For each customer, we have their demographic and transaction related data which indicate that the credit card spend is a factor of age, credit limit and total outstanding balance on their loans. Using this insight, we can predict future sales of the company based on current and past information.
例如，我们要估计下一个季度客户的信用卡支出。 对于每个客户，我们都有其与人口统计和交易相关的数据，这些数据表明信用卡支出是年龄，信贷额度和贷款总未偿余额的一个因素。 利用这种见解，我们可以根据当前和过去的信息预测公司的未来销售 。
使用回归分析的好处？ (Benefits of using Regression Analysis?)
1. Regression explores significant relationships between dependent variable and independent variable
1.回归探索因变量和自变量之间的重要关系
2. Indicates the strength of impact of multiple independent variables on a dependent variable
2.指示多个自变量对因变量的影响强度
3. Allows us to compare the effect of variable measures on different scales and can consider nominal, interval, or categorical variables for analysis.
3.使我们能够比较变量度量在不同规模上的影响，并可以考虑名义变量，区间变量或分类变量进行分析。
具有一个因变量和一个自变量的方程式由以下公式定义： (Equation with one dependent and one independent variable is defined by the formula:)
y = c + b * x (y = c + b * x)
其中y =估计的相关分数 (where y = estimated dependent score)
c =常数 (c = constant)
b =回归系数， (b = regression coefficient,)
x =自变量。 (x = independent variable.)
回归技术的类型 (Types of Regression Techniques)
For predictions, there are many regression techniques available. The type of regression technique to be used is mostly driven by three metrics:
对于预测，有许多可用的回归技术。 所使用的回归技术的类型主要由三个指标驱动：
1. Number of independent variables
1.自变量数量
2. Type of dependent variables
2.因变量类型
3. Shape of regression line
3.回归线的形状
线性回归 (Linear Regression)
Linear regression is one of the most commonly used predictive modelling techniques.It is represented by an equation
使用线性回归的预测建模相关推荐
- 应用预测建模第六章-线性回归-预测化合物溶解度练习-R语言（多元线性回归，稳健回归，偏最小二乘回归，岭回归，lasso回归，弹性网)
模型:多元线性回归,稳健回归,偏最小二乘回归,岭回归,lasso回归,弹性网 语言:R语言 参考书:应用预测建模 Applied Predictive Modeling (2013) by Max K ...
- 应用预测建模第六章线性回归习题6.1【主成分分析，模型的最优参数选择与模型对比 ，多元线性回归，稳健回归，偏最小二乘回归，岭回归，lasso回归，弹性网】
模型:多元线性回归,稳健回归,偏最小二乘回归,岭回归,lasso回归,弹性网 语言:R语言 参考书:应用预测建模 Applied Predictive Modeling (2013) by Max K ...
- 应用预测建模第六章线性回归习题6.3【缺失值插补，分层抽样，预测变量重要性，重要预测变量如何影响响应变量，多元线性回归，稳健回归，偏最小二乘回归，岭回归，lasso回归，弹性网】
模型:多元线性回归,稳健回归,偏最小二乘回归,岭回归,lasso回归,弹性网 语言:R语言 参考书:应用预测建模 Applied Predictive Modeling (2013) by Max K ...
- 股票分析，利用线性回归实时预测股价，只需要提供股票代码即可爬取相应股票数据并建模
这里参考了别人的代码,并引用了tushare模块中定义的接口自动获取了依据 股票代码来获取数据 此篇文章提供了 1.一个简单通过接口爬取csv数据的方法 2.一个处理csv数据的简单方法 3.依据数据 ...
- 【数据挖掘】数据挖掘建模 ( 预测建模 | 描述建模 | 预测模型 | 描述模型 | 判别模型 | 概率模型 | 基于回归的预测模型 )
文章目录 I . 预测建模 与 描述建模 II . 预测模型 与 函数映射 III . 预测模型的分类 ( 分类 | 回归 ) IV . 预测建模 测试集 V . 预测建模 拟合过程 VI . 预测模 ...
- python建模大赛算法_Python数据分析kaggle-Titanic+天池-工业蒸汽量预测建模算法
做数据分析许久了, 简单写写比赛的数据分析项目思路 一 使用逻辑回归/随机森林等对kaggle比赛项目 "给出泰坦尼克号上的乘客的信息, 预测乘客是否幸存"进行简单的数据分析过程, ...
- 预测分析：R语言实现1.3 预测建模的过程
1.3 预测建模的过程 通过观察模型的某些不同特征,我们已经对预测建模过程的各种步骤有所了解.在本节,我们要顺序讲解这些步骤,并理解每个步骤是如何对该任务的整体成功起作用的. 1.3.1 定义模型的目 ...
- 多元线性回归算法预测房价——Excel、jupyter+sklearn
嘿!我是目录 一.多元线性回归 1. 定义 2. 数据清洗 2.1 缺失值处理 2.2 异常值(离群点)处理 3. 特征共线性问题 二.用Excel做房价预测线性回归 1. 配置Excel 2. 完善 ...
- 机器学习（二）多元线性回归算法预测房价
机器学习(二)多元线性回归算法预测房价 本篇文章已作为重庆交通大学19级微课<机器视觉>大作业提交,提前声明,避免抄袭误会 "garbage in garbage out&quo ...
最新文章
- Color Picker like PhotoShop
- Oracle创建数据库(手动)
- 零字节WSASend,WSARecv
- 什么是Web渗透测试
- 以正常使用来进行测试
- camunda 流程执行追踪_从Activiti分裂而来的camunda BPM
- EditPlus批量转码
- MPU9250调试笔记（融合磁力计计算Yaw）
- 好课推荐|云安全领域的新宠CCSK
- linux 文件修复工具,五款救急的Linux文件恢复软件
- 你没有权限修改该网络位置的文件
- python打开文件方式
- html 图片加载 占位,css实现图片未加载完成时占位显示
- 【Nav2中文网】三、导航相关概念
- SSLOJ 1323.交流
- 802.1X与portal的无线认证
- 计算机突然断电恢复供电后,电脑突然断电的坏处有哪些？
- dash dock安装 to_手动安装 Dash to Dock Gnome 扩展
- PHP超简洁小猫咪图床源码
- 程序实例python_Python花式编程案例集锦（5）