三分钟，看回归分析模型怎么弄
发布时间：2021-12-27 14:48:36 所属栏目：大数据 来源：互联网
导读：总有小伙伴想看分析模型，我们就从最简单的回归分析模型讲起。回归分析是所有分析模型里最浅显，最容易懂的，并且回归分析有很多变化形态，能适用于很多问题场景。今天就一起来看一下。 一、为什么叫回归? 回归翻译自：regression，最初是统计学家们，关注到
|
总有小伙伴想看分析模型，我们就从最简单的回归分析模型讲起。回归分析是所有分析模型里最浅显，最容易懂的，并且回归分析有很多变化形态，能适用于很多问题场景。今天就一起来看一下。 一、为什么叫回归? 回归翻译自：regression，最初是统计学家们，关注到：孩子的身高总会向平均身高靠近，即使父母都很高，孩子也不会无限长高下去。从这些研究里，总结出回归分析方法(regression，还有一个意思是：退化，可以说很形象了)。 二、回归模型有什么用? 回归模型是用来做：预测的。 在数据分析里，预测分两种： 连续型预测：比如预计销售额是3550万，预测客户15万，预测结果是一个连续型数字。 分类预测：比如预计用户接电话/不接电话，预计新品上市后是A级/B级/C级，预测结果不是一个连续型数字，而是一个分类结果。 大部分回归分析模型都是连续型预测(逻辑回归除外)。今天就从最简单的，只有一个变量的简单线性回归分析讲起。 三、如何进行回归分析 做回归分析有五步： 第一步：确认是否是预测问题 第二步：确认要预测的因变量，影响预测结果的自变量 第三步：收集数据，检验数据间关系 第四步：计算模型，检验结果 第五步：进行预测 看个具体问题场景：某公司在新品上市前，会提前进行宣传，并进行预约。虽然最终上市以后，并非只有预约用户买，但是如果能通过预约人数，预测销售情况，就能提前预判商品会不会受欢迎，从而把控库存情况。具体数据如下表。 拿到问题后，一步步来： 第一步：该场景需要的是预测，要预测的是销售额，是一个连续型变量。 第二步：确认因变量，自变量。该问题中： 因变量(要预测的)：销售额 自变量(影响预测结果的)：预约人数 没有其他变量了。 拿到数据后，可初步判断两个指标是否有关系，是何种关系，从而选择合适的模型。判断关系，最简单快捷的方法就是：散点图。因此拿到数据以后，可以先做散点图。如上图所示，因变量和自变量之间看起来是有明显线性关系的，因此可以用线性回归来做。 第三步：收集数据，题目已帮忙收集好了，进入下一步。 第四步：进行计算。简单的线性回归，用excel→数据分析→回归即可计算(如下图) 至于模型解读，略为复杂，我们慢慢看哦 四、模型计算与解读 回归分析的模型解读略显复杂，并且包含了大量假设检验的知识，这里先不探讨其复杂原理，给个最简单的判断原则，小伙伴们抄起来能用即可。 （编辑：东莞站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
站长推荐