Slik bruker du linjære regresseringer i Prediktiv Analytics - dummier

Linjær regresjon er en statistisk metode som analyserer og finner forhold mellom to variabler. I predictive analytics kan den brukes til å forutsi en fremtidig numerisk verdi av en variabel.

Vurder et eksempel på data som inneholder to variabler: Tidligere data som består av ankomsttidene til et tog og tilhørende forsinkelsestid. Anta at du vil forutsi hva forsinkelsen ville være for neste tog. Hvis du bruker lineær regresjon til disse to variablene - ankomst- og forsinkelsestidene - kan du generere en lineær ligning som

Forsinkelse = a + (b * Ankomsttid) + d

Denne ligningen uttrykker forholdet mellom forsinkelsestid og ankomsttid. Konstanterne a og b er modellens parametere. Variabelen d er feilperioden (også kjent som resten ) - en numerisk verdi som representerer mismatchen mellom de to variablene forsinkelse > og ankomsttid . Hvis feilen ikke er lik null, kan det tyde på at det er kriterier som påvirker variabelen forsinkelse .

Hvis du sitter på jernbanestasjonen, kan du bare koble ankomsttiden til foregående ligning, og du kan beregne forventet forsinkelse, ved hjelp av den lineære regresjonsmodellens parametere

a, b, og d . Linjær regresjon er (som du kanskje tror) mest egnet for lineære data. Men det er veldig følsomt mot utjevninger i datapunktene. Outliers i dataene dine kan få betydelig innvirkning på modellen. Det anbefales at du fjerner disse utjevningene fra treningssettet hvis du planlegger å bruke lineær regresjon for din prediktive modell.