Linear ဆုတ်ယုတ်

Regression ခွဲခြမ်းစိတ်ဖြာ တိကျတဲ့ variable တွေကို (မှီခိုများနှင့်လွတ်လပ်သော) အကြားဆက်ဆံရေးလေ့လာနေ၏စာရင်းအင်းနည်းလမ်းများမှဆက်ပြောသည်နိုင်ပါသည်။ ဤကိစ္စတွင်ခုနှစ်, လွတ်လပ်သော variable တွေကို "covariates" ဟုခေါ်ခြင်းနှင့်မှီခိုနေကြတယ် - "criterial" ။ တစ်ဦး linear ဆုတ်ယုတ်ခွဲခြမ်းစိတ်ဖြာပို့ချသည့်အခါမှီခို variable ကိုကိုယ်စားပြုထားတဲ့ကြားကာလစကေး၏ပုံစံကိုကြာပါတယ်။ အဲဒီမှာကြားကာလစကေးနှင့်ဆက်စပ်သော variable တွေကိုအကြား Non-linear ဆက်ဆံရေး၏ရှေ့မှောက်တွင်တစ်ဖြစ်နိုင်ခြေဖြစ်ပါသည်, သို့သော်ဤပြဿနာပြီးသားဤဆောင်းပါး၏ဘာသာရပ်မဟုတ်သောအရာသည် non-linear ဆုတ်ယုတ်၏နည်းလမ်းများအားဖြင့်ဖြေရှင်းခဲ့သည်။

linear ဆုတ်ယုတ်သင်္ချာတွက်ချက်မှုများတွင်ကဲ့သို့၎င်း, စာရင်းအင်းအချက်အလက်ပေါ်အခြေပြုစီးပွားရေးလေ့လာမှုများအတွက်အတော်လေးကိုအောင်မြင်စွာအသုံးပြုခဲ့သည်။

ဒီတော့ပိုပြီးဒီဆုတ်ယုတ်စဉ်းစားပါ။ အချို့သော variable တွေကို linear ဆုတ်ယုတ်အကြား linear ဆက်ဆံရေးဟာအဆုံးအဖြတ်များ၏သင်္ချာနည်းလမ်းကို၏ရှုထောငျ့မှတစ်ဦးပုံသေနည်းအဖြစ်ကိုယ်စားပြုနိုင်ပါတယ်: y က = a + bx ။ ဒီပုံသေနည်းတစ်ခုရှင်းပြချက်အဘို့စီးပွားရေးအပေါ်မဆိုကျောင်းစာအုပ်မှာတွေ့ရှိနိုင်ပါတယ်။

(အကြိမ် n-ကြိမ်မြောက်အရေအတွက်အထိ) လေ့လာရေး၏နံပါတ်တိုးချဲ့သည့်အခါ, တစ်ဦးရိုးရှင်းသော linear ဆုတ်ယုတ်ခြင်းဖြင့်ရရှိသောတစ်ဦးပုံသေနည်းကကိုယ်စားပြု:

yi = A + bxi + ei,

ဘယ်မှာ ei - လွတ်လပ်သော, တူညီဖြန့်ဝေ, ကျပန်း variable တွေကို။

ဤဆောင်းပါး၌ငါယခင်အချက်အလက်ပေါ်အခြေခံပြီးအနာဂတ်စျေးနှုန်းခန့်မှန်း၏ရှုထောငျ့ကနေဒီ concept ကိုပိုပြီးအာရုံစိုက်ဖို့လိုပါတယ်။ ဒီဧရိယာထဲမှာကျနော်တို့က linear ဆုတ်ယုတ်တက်ကြွစွာအသုံးပြုနေသည်ခန့်မှန်း အနည်းဆုံးရင်ပြင်နည်းလမ်း, စျေးနှုန်းမှတ်၏တန်ဖိုးများကိုတစ်ဦးအခြို့သောအရေအတွက်ကနေတဆင့် "အသင့်တော်ဆုံး" ဖြောင့်မျဉ်းကြောင်းတည်ဆောက်ရန်ကူညီပေးသည်ရာ။ အဆိုပါ input ကိုစျေးနှုန်းအမှတ်အသုံးပြုသောအချက်အလက်များ, မြင့်သော, အနိမ့်, ပိတ်ပွဲသို့မဟုတ်အဖွင့်အဓိပ်ပာယျ, ဤတန်ဖိုးများကို (ဥပမာနှစ်ခုခွဲခြားအများဆုံးနှင့်အနည်းဆုံးများ၏ပေါင်းလဒ်) ၏ပျှမ်းမျှ။ ဒါ့အပြင်တစ်ဦးသင့်လျော်သောလိုင်းတည်ဆောက်ခြင်းမပြုမီကဤဒေတာကိုမတရားဖမ်းဆီးပန်းခင်းလမ်းနိုင်ပါသည်။

အထက်တွင်ဖော်ပြခဲ့သည့်အတိုင်း linear ဆုတ်ယုတ်မကြာခဏစျေးနှုန်းနှင့်အချိန်၏အခြေခံပေါ်မှာလမ်းကြောင်းသစ်ကိုဆုံးဖြတ်ရန်သုံးသပ်သူများကအသုံးပြုသည်။ ဤကိစ္စတွင်ခုနှစ်, ဆုတ်ယုတ်ညွှန်ပြချက်၏ဆင်ခြေလျှောအချိန်တစ်ယူနစ်စျေးနှုန်းအပြောင်းအလဲများ၏ပြင်းအားကိုဆုံးဖြတ်ရန်ပါလိမ့်မယ်။ ဒီအညွှန်းကိန်းကိုအသုံးပြုပြီးမှန်ကန်သောဆုံးဖြတ်ချက်များအတွက်အခြေအနေများတစ်ခုမှာအကွံဆုတ်ယုတ်၏လမ်းကြောင်းသစ်အောက်ပါတစ် signal ကိုမီးစက်၏အသုံးပြုမှုသည်။ အဆိုပါညွှန်ကိန်းရဲ့တန်ဖိုးကိုသုညထက် သာ. ကြီးမြတ်ပါလျှင်တစ်ဦးအပြုသဘောလျှောစောက် (မြင့်တက် linear ဆုတ်ယုတ်) ဝယ်ယူဖျော်ဖြေလျှင်။ ရောင်းချများအတွက်အနုတ်လက္ခဏာလျှောစောက် (ဆုတ်ယုတ်ကျဆင်း) စဉ်အတွင်းညွှန်ပြချက် (သုညထက်နည်း) ၏အနုတ်လက္ခဏာတန်ဖိုးများမှာဖြစ်သင့်သည်။

စျေးနှုန်းအချက်များကိုတစ်အချို့အရေအတွက်နဲ့သက်ဆိုင်တဲ့ကိုအကောင်းဆုံးလိုင်းအဆုံးအဖြတ်များတွင်အသုံးပြုသည့်အတိုင်းအနည်းဆုံး-ရင်ပြင်နည်းလမ်းကြောင်းအောက်ပါ algorithm ကိုဆိုလို:

- စျေးနှုန်းများနှင့်ဆုတ်ယုတ်လိုင်း၏ရင်ပြင်၏ခြားနားချက်များ၏စုစုပေါင်းစကားရပ်ဖြစ်၏

- ဤလဒ်၏အချိုးအစားနှင့်ဆုတ်ယုတ်ဒေတာစီးရီး၏အကွာအဝေးအတွင်းအရက်ဆိုင်များ၏အရေအတွက်ပင်ဖြစ်သည်;

- ရလဒ်အပျေါမှာတွက်ချက် စတုရန်းအမြစ်, စံသွေဖည်ဖို့ကိုက်ညီသော။

ရိုးရှင်းသော Linear Regression ညီမျှခြင်းပုံစံရှိပါတယ်:

y ကို (x) အဖွဲ့ = f (x) အဖွဲ့ ^,

ဘယ်မှာ - တန်ဖိုးရှိရှိ features တွေအတွက်မှီခို variable ကိုဆောင် ခဲ့. ,

x က - ရှင်းလင်းသို့မဟုတ်လွတ်လပ်သော variable ကို;

^ တစ်တင်းကျပ်၏မရှိခြင်းညွှန်ပြ functional relationship ဟာ variable တွေကို x နှင့် y ကအကြား။ ထိုကွောငျ့, တစ်ဦးချင်းစီသီးခြားအမှု၌, variable ကို y ကထိုကဲ့သို့သောစည်းကမ်းချက်များကိုထားရှိရေးစခွေငျးငှါ:

, y က = yx + ε

ဘယ်မှာ - အမှန်တကယ်ရလဒ်ဒေတာ;

uh - ဖြေရှင်းရေးကဆုံးဖြတ်သီအိုရီရလဒ် data တွေကို ပုဆုတ်ယုတ်ညီမျှခြင်း ;

ε - အမှန်တကယ်တန်ဖိုးနှင့်သီအိုရီအကြားသှဖေညျရိုကျလက်ခဏာဖွစျတဲ့အရာကျပန်း variable ကို။