回归分析介绍

回归分析通常是指使用一个或多个输入x (称为自变量、解释变量或预测变量)预测输出y )的因变量、响应变量或结果变量的方法

连续型变量：人的身高、每天的运动时间数等

类别类型变量：

无序类别变量：如性别、职业

秩序变量：例如运动强度(低、中、高)、成绩)优、良、中、差) ) ) ) ) ) ) ) )。

回归模型

简单线性回归

使用连续型的说明变量预测连续型的响应变量

例如，通过广告投入金额预测销售额

销售额=b a*广告投入

使用

连续型的说明变量预测连续型的响应变量。模型的关系是n次多项式

例如，通过广告投入金额预测销售额

销售额=b a1*广告投入a2*广告投入^2

用两个以上连续型的解释变量预测

连续型的响应变量

例如，使用风速和当天的照射值来预测太阳能发电站的发电效率PR

发电效率PR=b a1*风速a2*当天照射值

PR的多元回归曲面图

用两个以上的连续型解释变量预测

连续型的响应变量。模型的关系是n次多项式和交叉乘积项

例如，通过广告投入额和研发投入额来预测销售额

销售额=b a1*广告投入a2*研发投入a11*广告投入^2 a22*研发投入^2 a12*广告投入*研发投入

010 -使用1010个以上的解释变量预测多个响应变量

010 -使用1010个以上的说明变量预测一个类别类型的响应变量

注意： Logistic回归的解释变量可以是连续型变量也可以是类别型变量；响应变量是类别类型变量

例如，广告点击率推断问题(二分类问题)图像识别问题)多分类问题)

使用一个或多个说明变量来预测表示度数的变量

使用一个或多个描述变量预测一个事件(死亡、失败或旧病复发)发生的时间

回归模型总结

参考文献

03010机器人I.kaba coff