Regresia liniară este o metodă statistică ce descrie relația dintre o variabilă țintă și unul sau mai mulți predictori cu ajutorul unei drepte sau al unui plan. Coeficienții sunt aleși, de obicei, astfel încât să minimizeze suma pătratelor abaterilor. Metoda este ușor de înțeles și de interpretat: poate estima, de exemplu, cu cât cresc veniturile atunci când bugetul de publicitate crește cu 1.000 €. Își atinge limitele în cazul relațiilor neliniare.
Agenți, fluxuri și șabloane într-un singur spațiu de lucru – demo gratuit de 24 de ore.
Porniți demo-ulRegresia logistică este o metodă statistică ce prezice probabilitatea uneia dintre două rezultate, precum „cumpără” sau „nu cumpără”. Ponderează caracteristicile de intrare și convertește suma lor într-o valoare între 0 și 1 cu ajutorul unei funcții în formă de S. Deoarece ponderile sunt ușor de interpretat, este larg folosită în scoringul de credit, în medicină și în marketing, adesea ca un punct de referință solid pentru modele mai complexe.
Eroarea absolută medie (MAE) arată cu cât se abat în medie predicțiile unui model de la valorile reale, indiferent de direcție. Se exprimă în unitatea variabilei-țintă, ceea ce o face ușor de înțeles. Exemplu: un MAE de 12 pentru o prognoză zilnică a vânzărilor înseamnă că modelul greșește în medie cu 12 unități. Acordă mai puțină pondere valorilor aberante decât măsurile bazate pe eroarea pătratică.
R pătrat ajustat măsoară cât de bine explică un model de regresie variația datelor, corectat în funcție de numărul de predictori utilizați. R pătrat simplu crește cu fiecare variabilă suplimentară, chiar și cu una care nu aduce nimic; versiunea ajustată penalizează variabilele inutile. Acest lucru permite o comparație mai echitabilă între modele de dimensiuni diferite, de exemplu o prognoză a vânzărilor cu trei factori în loc de zece.
Modelarea predictivă este nucleul tehnic al analizei predictive: pe baza unor date-exemplu cu rezultate cunoscute se construiește un model care prezice o valoare sau o clasă pentru cazuri noi. Metodele uzuale includ regresia, arborii de decizie, pădurile aleatorii și rețelele neuronale. Un model poate estima, de exemplu, prețul unei proprietăți pornind de la suprafața locuibilă, amplasare și anul construcției. Înainte de utilizare, este testat pe date păstrate deoparte, pentru a detecta supraajustarea.
