Come utilizzare le regressioni lineari in Predictive Analytics - dummies

La regressione lineare è un metodo statistico che analizza e trova relazioni tra due variabili. Nell'analisi predittiva può essere usato per prevedere un futuro valore numerico di una variabile.

Prendi in considerazione un esempio di dati che contiene due variabili: dati passati costituiti dai tempi di arrivo di un treno e il suo tempo di ritardo corrispondente. Supponiamo di voler prevedere quale sarebbe il ritardo per il prossimo treno. Se si applica la regressione lineare a queste due variabili - l'arrivo e i tempi di ritardo - è possibile generare un'equazione lineare come

Ritardo = a + (b * Ora di arrivo) + d

Questa equazione esprime la relazione tra tempo di ritardo e orario di arrivo. Le costanti a e b sono i parametri del modello. La variabile d è il errore (noto anche come resto ) - un valore numerico che rappresenta la mancata corrispondenza tra le due variabili ritardo > e orario di arrivo . Se l'errore non è uguale a zero, allora ciò potrebbe indicare che ci sono criteri che influenzano la variabile ritardo .

Se sei seduto alla stazione ferroviaria, puoi semplicemente collegare il tempo di arrivo all'equazione precedente ed è possibile calcolare il ritardo previsto, utilizzando i parametri forniti dal modello di regressione lineare

a, b, e d . La regressione lineare è (come si potrebbe immaginare) più adatta per i dati lineari. Ma è molto sensibile ai valori anomali nei punti dati. I valori anomali nei dati possono avere un impatto significativo sul modello. Si consiglia di rimuovere tali valori anomali dal set di training se si prevede di utilizzare la regressione lineare per il modello predittivo.