Hur man använder linjära regressioner i prediktiv analys - dummies

Linjär regression är en statistisk metod som analyserar och finner relationer mellan två variabler. I predictive analytics kan den användas för att förutse ett framtida numeriskt värde för en variabel.

Tänk på ett exempel på data som innehåller två variabler: Tidigare data som består av tågets ankomsttider och motsvarande fördröjningstid. Antag att du vill förutsäga vad förseningen skulle vara för nästa tåg. Om du tillämpar linjär regression på dessa två variabler - ankomst- och fördröjningstiderna - kan du generera en linjär ekvation som

Fördröjning = a + (b * Ankomsttid) + d

Denna ekvation uttrycker förhållandet mellan fördröjningstid och ankomsttid. Konstanterna a och b är modellens parametrar. Variabeln d är felperioden (även kallad återstoden ) - ett numeriskt värde som representerar felmatchningen mellan de två variablerna fördröjning > och ankomsttid . Om felet inte är lika med noll, kan det tyda på att det finns kriterier som påverkar variabeln fördröjning .

Om du sitter vid järnvägsstationen kan du helt enkelt ansluta ankomsttiden till föregående ekvation och du kan beräkna den förväntade förseningen med hjälp av den linjära regressionsmodellens givna parametrar

a, b,

och d . Linjär regression är (som du kanske tror) mest lämpad för linjära data. Men det är väldigt känsligt mot avvikelser i datapunkterna. Outliers i dina data kan få en stor inverkan på modellen. Det rekommenderas att du tar bort dessa utestängningar från träningssatsen om du planerar att använda linjär regression för din prediktiva modell.