Lineārā regresija varētu izklausīties kā sarežģīts termins, taču būtībā tas ir ērts rīks, kas palīdz mums izprast un paredzēt attiecības starp diviem mainīgajiem.
Kas ir ar lineāro regresiju?
Lineārās regresijas pamatā ir tādas līnijas atrašana, kas vislabāk atbilst diagrammas punktu kopai. Šī līnija palīdz mums prognozēt. Iedomājieties, ka uzzīmējat punktus diagrammā — mēs izdomājam tendenci.
Maģiskais vienādojums:
Katra līnija ir attēlota ar lineāru funkciju: Y = mX + b. Kur:
-
Y: Ko mēs cenšamies paredzēt (piemēram, jūsu svaru).
-
X: ko mēs izmantojam, lai prognozētu (piemēram, jūsu augums).
-
m: līnijas slīpums.
-
b: līnijas sākuma punkts.
Kā tas darbojas?
Padomājiet par to šādi: ja zināt cilvēku bara augumu un to attiecīgo svaru, lineārā regresija novelk līniju caur šiem punktiem. Šī līnija palīdz mums uzminēt kāda jauna cilvēka svaru, tikai zinot viņa garumu.
Reālās dzīves piemēri:
-
Saldējuma pārdošana un temperatūra: karsta diena (X), pārdots vairāk saldējuma (Y)
-
Mācību stundas un eksāmenu rezultāti: vairāk mācību stundu (X), augstāki eksāmenu rezultāti (Y).
Process:
-
Datu vākšana: iegūstiet informāciju par pētāmajām lietām, piemēram, augumu un svaru.
-
Zīmējiet līniju: līnija savieno diagrammas punktus. Tas var būt iteratīvs process vai izmantot precīzus risinājumus.
-
Veiciet prognozes: izmantojiet līniju, lai paredzētu vienu lietu, pamatojoties uz citu.
Kāpēc tas ir svarīgi?
Prognozes! Tas palīdz mums uzminēt rezultātus, pamatojoties uz esošajiem modeļiem.
Tas ir pamats progresīvākai datu maģijai.
Uzmanību!
Tas vislabāk darbojas, ja attiecības ir nedaudz taisnas. Ja tas ir visur, lietas var kļūt sarežģītas.
