Rigressjoni Lineari Sempliċi fil-Qasam tax-Xjenza tad-Data

Ix-xjenza tad-dejta hija qasam vast li qed jikber kull jum li jgħaddi. Illum, l-aqwa kumpaniji qed ifittxu xjentisti tad-dejta professjonali li għandhom għarfien qawwi dwar il-qasam u l-kunċetti relatati tiegħu. Biex twettaq tajjeb f'dan il-qasam, huwa importanti li jkollok għarfien sod dwar l-algoritmi kollha tax-xjenza tad-dejta. Wieħed mill-algoritmi tax-xjenza tad-dejta l-aktar bażiċi huwa rigressjoni lineari sempliċi. Kull xjenzat tad-dejta għandu jkun jaf kif juża dan l-algoritmu biex isolvi l-problemi u jikseb riżultati sinifikanti.

Rigressjoni lineari sempliċi hija metodoloġija biex tiddetermina r-relazzjoni bejn il-varjabbli tad-dħul u tal-ħruġ. Il-varjabbli tal-input huma kkunsidrati bħala varjabbli jew tbassir indipendenti, u l-varjabbli tal-output huma varjabbli jew reazzjonijiet dipendenti. F'rigressjoni lineari sempliċi, hija kkunsidrata varjabbli tad-dħul wieħed biss.

Eżempju f'ħin reali ta' rigressjoni lineari sempliċi

Ejja nikkunsidraw sett ta' dejta li jikkonsisti f'żewġ parametri: in-numru ta' sigħat maħduma u l-ammont ta' xogħol magħmul. Rigressjoni lineari sempliċi għandha l-għan li taqta 'l-ammont ta' xogħol magħmul jekk jingħataw is-sigħat tax-xogħol. Tinġibed linja ta' rigressjoni, li tiġġenera żball minimu. Tiġi ffurmata wkoll ekwazzjoni lineari, li mbagħad tista 'tintuża għal kważi kull sett ta' dejta.

Prinċipji li juru l-iskop tar-rigressjoni lineari sempliċi: 

Rigressjoni lineari sempliċi tintuża biex tbassar ir-relazzjoni bejn il-varjabbli f'sett tad-dejta u toħroġ konklużjonijiet sinifikanti. Rigressjoni lineari sempliċi tintuża prinċipalment biex tiġi derivata r-relazzjoni statistika bejn il-varjabbli, li mhix preċiża biżżejjed. Erba 'prinċipji bażiċi juru l-użu ta' rigressjoni lineari sempliċi. Dawn il-prinċipji huma elenkati hawn taħt:

1. Ir-relazzjoni bejn iż-żewġ varjabbli hija meqjusa bħala lineari u addittiva: Funzjoni linja dritta hija stabbilita għal kull par ta 'varjabbli dipendenti u indipendenti. L-inklinazzjoni ta' din il-linja hija differenti mill-valuri tal-varjabbli disponibbli fis-sett tad-dejta. Il-varjabbli dipendenti għandhom effett addittiv fuq il-valuri tal-varjabbli indipendenti.
2. L-iżbalji huma statistikament indipendenti: Dan il-prinċipju jista' jiġi kkunsidrat għal sett ta' data li jkun fih informazzjoni relatata mal-ħin u s-serje. L-iżbalji konsekuttivi ta' tali sett ta' data ma jikkorrelatawx u huma statistikament indipendenti.
3. L-iżbalji għandhom varjanza kostanti (omoċedastiċità):  L-omoċedastiċità tal-iżbalji tista' titqies ibbażata fuq diversi parametri. Dawn il-parametri jinkludu ħin, tbassir ieħor, u varjabbli oħra.
4. Normalità tad-distribuzzjoni tal-iżbalji:  Dan huwa prinċipju importanti peress li jappoġġja t-tlieta l-oħra msemmija hawn fuq. Jekk ma tkun tista' tiġi stabbilita l-ebda relazzjoni bejn il-varjabbli f'sett tad-dejta, jew jekk xi wieħed mill-prinċipji t'hawn fuq ma jkunx stabbilit, allura l-previżjonijiet u l-konklużjonijiet kollha prodotti mill-mudell mhumiex korretti. Dawn il-konklużjonijiet ma jistgħux jintużaw aktar fil-proġett peress li ma jinkisbu l-ebda riżultati reali jekk tintuża data żbaljata u qarrieqa.

Vantaġġi ta' Rigressjoni Lineari Sempliċi

• Din il-metodoloġija hija estremament faċli biex tintuża, u r-riżultati jistgħu jinkisbu mingħajr sforz.
• Dan il-metodu għandu estremament inqas kumplessità minn algoritmi oħra tax-xjenza tad-dejta, primarjament jekk ir-relazzjoni bejn il-varjabbli dipendenti u indipendenti tkun magħrufa.
• It-twaħħil żejjed huwa kundizzjoni komuni li sseħħ meta din il-metodoloġija tieħu informazzjoni bla sens. Biex tittratta din il-problema, it-teknika ta 'regolarizzazzjoni hija disponibbli, li tnaqqas il-problema ta' twaħħil żejjed billi tnaqqas il-kumplessità.

Żvantaġġi ta' Rigressjoni Lineari Sempliċi

• Għalkemm il-problema ta 'twaħħil żejjed tista' tiġi eliminata, ma tistax tiġi injorata. Il-metodu jista' jqis data bla sens u jelimina wkoll informazzjoni sinifikanti. F'każ bħal dan, it-tbassir kollu huwa konklużjonijiet dwar sett ta' data partikolari li se jkun żbaljat u ma jistgħux jiġu ġġenerati riżultati effettivi.
• Il-problema tal-outliers tad-data hija wkoll komuni ħafna. L-outliers huma kkunsidrati bħala valuri żbaljati li ma jaqblux mad-dejta eżatta. Meta jitqiesu tali valuri, il-mudell kollu jipproduċi riżultati qarrieqa li ma huma ta' ebda użu.
• F'rigressjoni lineari sempliċi, is-sett tad-dejta fl-idejn jitqies li għandu dejta indipendenti. Din is-suppożizzjoni hija żbaljata għaliex jista' jkun hemm xi dipendenza bejn il-varjabbli.

Regressjoni lineari sempliċi hija teknika utli biex tiddetermina r-relazzjonijiet ta 'diversi varjabbli ta' input u output f'sett ta 'dejta. Hemm diversi applikazzjonijiet f'ħin reali ta 'rigressjoni lineari sempliċi. Dan l-algoritmu ma jeħtieġx qawwa komputazzjonali għolja u jista 'jiġi implimentat faċilment. L-ekwazzjonijiet u l-konklużjonijiet derivati ​​jistgħu jibnu aktar u huma estremament sempliċi biex jinftiehmu. Madankollu, xi professjonisti jħossu wkoll li rigressjoni lineari sempliċi mhijiex il-metodoloġija t-tajba li għandha tintuża għal diversi applikazzjonijiet peress li hemm ħafna suppożizzjonijiet li jsiru. Dawn is-suppożizzjonijiet jistgħu jiġu ppruvati żbaljati, ukoll. Għalhekk, huwa meħtieġ li tintuża din it-teknika kull fejn tista 'tiġi applikata b'mod korrett.