회귀 분석은 의존적인 변수와 하나 이상의 독립적 인 변수 사이의 관계를 모델링하는 데 사용되는 통계 방법입니다. 그것은 결과 예측 및 데이터 내 관계의 강도를 이해하는 데 도움이됩니다. 이 문서는 반복 모델과 자신의 성능을 평가하는 단계별 가이드를 제공합니다.

1 단계 : 수집 및 준비 데이터

의존 변수와 독립적 변수를 포함하는 관련 데이터가 있습니다. 누락된 값, 아웃리터, 그리고 일관성을 검사하여 데이터 품질을 보장합니다. 모델 정확도를 향상시키기 위해 필요한 경우 표준 또는 정상화 데이터.

단계 2: 회귀 계수 계산

최소 평방 방식을 사용하여 관찰 및 예측 값 사이의 사각형 차이를 최소화하는 계수를 결정합니다. 간단한 선형 회귀의 경우, 공식은 다음과 같습니다.

β1 − = (일반 (xi - x̄) (이 - - - - - - - - - x̄)^2

β0 ̊ = ̊ ̊ ̊ ̊ ̊ ̊ ̊ ̊ ̊ ̊ ̊ ̊ ̊ ̊ ̊ ̊ ̊ ̊ ̊ ̊ ̊ ̊ ̊ ̊ ̊ ̊ ̊ ̊ ̊ ̊ ̊ ̊ ̊ ̊ ̨ ̊ ̨ ̊ ̨ ̊ ̨ ̊ ̨ ̊ ̨ ̨ ̊ ̨ ̊ ̨ ̊ ̨ ̊ ̨ ̊ ̨ ̨ ̊ ̨ ̊ ̨ ̊ ̨ ̊ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨ ̨

3 단계 : 사전 만들기

회귀 방정식 적용:

α β ɂ‚ 0 + β ɂ‚ 1 x

4 단계 : Evaluate 모델 성능

metrics를 사용하여 모델의 정확도를 다음과 같이 분류합니다.

  • Mean Squared Error (MSE): 관측과 예측된 값의 평균 사각형 차이.
  • R-squared: 모델에 의해 설명된 의존 변수의 차이가 있는 비율의 비율을 프로포티션.
  • 조정된 R-squared: R-squared는 여러 회귀에 유용한 예측자들의 수를 위해 조정했습니다.

이 메트릭은 잘 모델이 데이터와 예측력에 맞는 방법을 결정합니다.