Linearna regresija je statistična metoda, ki odnos med ciljno spremenljivko in enim ali več napovednikov opisuje z ravno črto ali ravnino. Koeficienti se običajno izberejo tako, da je vsota kvadratov odstopanj najmanjša. Metoda je lahko razumljiva in razložljiva: z njo je mogoče na primer oceniti, koliko naraste prihodek, ko se oglaševalski proračun poveča za 1000 €. Pri nelinearnih odnosih naleti na meje.
Agenti, poteki dela in predloge v enem delovnem prostoru – brezplačna 24-urna predstavitev.
Začni predstavitevLogistična regresija je statistična metoda, ki napoveduje verjetnost enega od dveh izidov, kot sta „kupi“ ali „ne kupi“. Vhodne značilnosti uteži in njihovo vsoto z S-oblikovano funkcijo pretvori v vrednost med 0 in 1. Ker so uteži lahko razložljive, se pogosto uporablja pri kreditnem točkovanju, v medicini in trženju, pogosto kot trdna izhodiščna osnova za zahtevnejše modele.
Povprečna absolutna napaka (MAE) pokaže, za koliko se napovedi modela v povprečju razlikujejo od dejanskih vrednosti, ne glede na smer odstopanja. Izraža se v enoti ciljne spremenljivke, zato jo je lahko razumeti. Primer: MAE 12 pri dnevni napovedi prodaje pomeni, da se model v povprečju zmoti za 12 enot. Osamelcem daje manjšo težo kot mere kvadratne napake.
Prilagojeni R-kvadrat meri, kako dobro regresijski model pojasni variabilnost podatkov, popravljeno za število uporabljenih napovednih spremenljivk. Navadni R-kvadrat raste z vsako dodatno spremenljivko, tudi če ta ne prispeva ničesar; prilagojena različica nepotrebne spremenljivke kaznuje. To omogoča pravičnejšo primerjavo modelov različnih velikosti, na primer napovedi prodaje s tremi namesto z desetimi dejavniki.
Napovedno modeliranje je tehnično jedro napovedne analitike: iz primerov podatkov z znanimi izidi se zgradi model, ki za nove primere napove vrednost ali razred. Pogoste metode so regresija, odločitvena drevesa, naključni gozdovi in nevronske mreže. Model lahko na primer oceni ceno nepremičnine na podlagi površine, lokacije in leta izgradnje. Pred uvedbo se preizkusi na zadržanih podatkih, da se odkrije preveliko prileganje.
