你應(yīng)該掌握的七種回歸技術(shù)

《你應(yīng)該掌握的七種回歸技術(shù)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、你應(yīng)該掌握的七種回歸技術(shù)發(fā)表于2015-08-2022:31

2、?15002次閱讀

3、來源AnalyticsVidhya

4、?0?條評(píng)論

5、作者SunilRay回歸神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)數(shù)據(jù)分析摘要：本文解釋了回歸分析及其優(yōu)勢(shì)，重點(diǎn)總結(jié)了應(yīng)該掌握的線性回歸、邏輯回歸、多項(xiàng)式回歸、逐步回歸、嶺回歸、套索回歸、ElasticNet回歸等七種最常用的回歸技術(shù)及其關(guān)鍵要素，最后介紹了選擇正確的回歸模型的關(guān)鍵因素。【編者按】回歸分析是建模和分析數(shù)據(jù)的重要工具。本文解釋了回歸分析的內(nèi)涵及其優(yōu)勢(shì)，重點(diǎn)總結(jié)了應(yīng)該掌握的線性回歸、邏輯回歸、多項(xiàng)式回歸、逐步回歸、嶺回歸、套索回歸

6、、ElasticNet回歸等七種最常用的回歸技術(shù)及其關(guān)鍵要素，最后介紹了選擇正確的回歸模型的關(guān)鍵因素。什么是回歸分析？回歸分析是一種預(yù)測(cè)性的建模技術(shù)，它研究的是因變量（目標(biāo)）和自變量（預(yù)測(cè)器）之間的關(guān)系。這種技術(shù)通常用于預(yù)測(cè)分析，時(shí)間序列模型以及發(fā)現(xiàn)變量之間的因果關(guān)系。例如，司機(jī)的魯莽駕駛與道路交通事故數(shù)量之間的關(guān)系，最好的研究方法就是回歸?；貧w分析是建模和分析數(shù)據(jù)的重要工具。在這里，我們使用曲線/線來擬合這些數(shù)據(jù)點(diǎn)，在這種方式下，從曲線或線到數(shù)據(jù)點(diǎn)的距離差異最小。我會(huì)在接下來的部分詳細(xì)解釋這一點(diǎn)。我們?yōu)槭裁词褂没貧w分析？如上所述，回歸分析估計(jì)了

7、兩個(gè)或多個(gè)變量之間的關(guān)系。下面，讓我們舉一個(gè)簡(jiǎn)單的例子來理解它：比如說，在當(dāng)前的經(jīng)濟(jì)條件下，你要估計(jì)一家公司的銷售額增長(zhǎng)情況。現(xiàn)在，你有公司最新的數(shù)據(jù)，這些數(shù)據(jù)顯示出銷售額增長(zhǎng)大約是經(jīng)濟(jì)增長(zhǎng)的2.5倍。那么使用回歸分析，我們就可以根據(jù)當(dāng)前和過去的信息來預(yù)測(cè)未來公司的銷售情況。使用回歸分析的好處良多。具體如下：1.它表明自變量和因變量之間的顯著關(guān)系；2.它表明多個(gè)自變量對(duì)一個(gè)因變量的影響強(qiáng)度?；貧w分析也允許我們?nèi)ケ容^那些衡量不同尺度的變量之間的相互影響，如價(jià)格變動(dòng)與促銷活動(dòng)數(shù)量之間聯(lián)系。這些有利于幫助市場(chǎng)研究人員，數(shù)據(jù)分析人員以及數(shù)據(jù)科學(xué)家排除并估

8、計(jì)出一組最佳的變量，用來構(gòu)建預(yù)測(cè)模型。我們有多少種回歸技術(shù)？有各種各樣的回歸技術(shù)用于預(yù)測(cè)。這些技術(shù)主要有三個(gè)度量（自變量的個(gè)數(shù)，因變量的類型以及回歸線的形狀）。我們將在下面的部分詳細(xì)討論它們。對(duì)于那些有創(chuàng)意的人，如果你覺得有必要使用上面這些參數(shù)的一個(gè)組合，你甚至可以創(chuàng)造出一個(gè)沒有被使用過的回歸模型。但在你開始之前，先了解如下最常用的回歸方法：1.?Linear?Regression線性回歸它是最為人熟知的建模技術(shù)之一。線性回歸通常是人們?cè)趯W(xué)習(xí)預(yù)測(cè)模型時(shí)首選的技術(shù)之一。在這種技術(shù)中，因變量是連續(xù)的，自變量可以是連續(xù)的也可以是離散的，回歸線的性質(zhì)是線

9、性的。線性回歸使用最佳的擬合直線（也就是回歸線）在因變量（Y）和一個(gè)或多個(gè)自變量（X）之間建立一種關(guān)系。用一個(gè)方程式來表示它，即Y=a+b*X?+?e，其中a表示截距，b表示直線的斜率，e是誤差項(xiàng)。這個(gè)方程可以根據(jù)給定的預(yù)測(cè)變量（s）來預(yù)測(cè)目標(biāo)變量的值。一元線性回歸和多元線性回歸的區(qū)別在于，多元線性回歸有（>1）個(gè)自變量，而一元線性回歸通常只有1個(gè)自變量?，F(xiàn)在的問題是“我們?nèi)绾蔚玫揭粋€(gè)最佳的擬合線呢？”。如何獲得最佳擬合線（a和b的值）？這個(gè)問題可以使用最小二乘法輕松地完成。最小二乘法也是用于擬合回歸線最常用的方法。對(duì)于觀測(cè)數(shù)據(jù)，它通過最小化每個(gè)

10、數(shù)據(jù)點(diǎn)到線的垂直偏差平方和來計(jì)算最佳擬合線。因?yàn)樵谙嗉訒r(shí)，偏差先平方，所以正值和負(fù)值沒有抵消。我們可以使用R-square指標(biāo)來評(píng)估模型性能。想了解這些指標(biāo)的詳細(xì)信息，可以閱讀：模型性能指標(biāo)Part?1,Part?2?.要點(diǎn)：·自變量與因變量之間必須有線性關(guān)系·多元回歸存在多重共線性，自相關(guān)性和異方差性。·線性回歸對(duì)異常值非常敏感。它會(huì)嚴(yán)重影響回歸線，最終影響預(yù)測(cè)值?！ざ嘀毓簿€性會(huì)增加系數(shù)估計(jì)值的方差，使得在模型輕微變化下，估計(jì)非常敏感。結(jié)果就是系數(shù)估計(jì)值不穩(wěn)定·在多個(gè)自變量的情況下，我們可以使用向前選擇法，向后剔除法和逐步篩選法來選擇最重要的自

11、變量。2.Logistic?Regression邏輯回歸邏輯回歸是用來計(jì)算“事件=Success”和“事件=Failure”的概率。當(dāng)因變量的類型屬于二元（1?/?0，真/假，是/否）變量時(shí)，我們就應(yīng)該使用邏輯回歸。這里，Y的值從0到1，它可以用下方程表示。odds=p/(1-p)=probabilityofeventoccurrence/probabilityofnoteventoccurrenceln(odds)=ln(p/(1-p))logit(p)=ln(p/(1-p))=b0+b1X1+b2X2+b3X3....+bkXk上述式子中，p

12、表述具有某個(gè)特征的概率。你應(yīng)該會(huì)問這樣一個(gè)問題：“我們?yōu)槭裁匆诠街惺褂脤?duì)數(shù)log呢？”。因?yàn)樵谶@里我們使用的是的二項(xiàng)分布（因變量），