Lineær regression er en statistisk metode, der beskriver sammenhængen mellem en målvariabel og en eller flere prædiktorer ved hjælp af en ret linje eller et plan. Koefficienterne vælges som regel, så summen af de kvadrerede afvigelser bliver mindst mulig. Metoden er let at forstå og fortolke: Den kan f.eks. estimere, hvor meget omsætningen stiger, når reklamebudgettet øges med 1.000 €. Den når sine grænser ved ikke-lineære sammenhænge.
Logistisk regression er en statistisk metode, der forudsiger sandsynligheden for et af to udfald, f.eks. »køber« eller »køber ikke«. Den vægter input-features og omdanner deres sum til en værdi mellem 0 og 1 med en S-formet funktion. Fordi vægtene er lette at fortolke, er den udbredt inden for kreditscoring, medicin og marketing, ofte som en solid baseline for mere komplekse modeller.
Mean absolute error (MAE) viser, hvor langt en models forudsigelser i gennemsnit afviger fra de faktiske værdier, uanset retning. Den udtrykkes i målvariablens enhed, hvilket gør den let at forstå. Eksempel: en MAE på 12 for en daglig salgsprognose betyder, at modellen i gennemsnit er 12 enheder ved siden af. Den vægter outliers mindre end kvadrerede fejlmål.
Justeret R-kvadreret måler, hvor godt en regressionsmodel forklarer variationen i dataene, korrigeret for antallet af anvendte forklarende variabler. Almindelig R-kvadreret stiger med hver ekstra variabel, også en, der ikke tilføjer noget; den justerede version straffer unødvendige variabler. Det giver en mere retfærdig sammenligning af modeller af forskellig størrelse, for eksempel en salgsprognose med tre i stedet for ti faktorer.
Predictive modelling er den tekniske kerne i predictive analytics: eksempeldata med kendte udfald bruges til at bygge en model, der forudsiger en værdi eller klasse for nye tilfælde. Almindelige metoder er regression, beslutningstræer, random forests og neurale netværk. En model kan f.eks. vurdere en ejendomspris ud fra boligareal, beliggenhed og byggeår. Før den tages i brug, testes den på tilbageholdte data for at opdage overfitting.
