Linjär regression är en statistisk metod som beskriver sambandet mellan en målvariabel och en eller flera prediktorer med en rät linje eller ett plan. Koefficienterna väljs vanligtvis så att summan av de kvadrerade avvikelserna minimeras. Metoden är lätt att förstå och tolka: den kan till exempel uppskatta hur mycket intäkterna stiger när reklambudgeten ökar med 1 000 kr. Den når sina gränser vid icke-linjära samband.
Logistisk regression är en statistisk metod som förutsäger sannolikheten för ett av två utfall, som ”köper” eller ”köper inte”. Den viktar indatavariablerna och omvandlar deras summa till ett värde mellan 0 och 1 med en S-formad funktion. Eftersom vikterna är lätta att tolka används den flitigt inom kreditvärdering, medicin och marknadsföring, ofta som en stabil baslinje för mer komplexa modeller.
Medelabsolutfel (MAE) visar hur mycket en modells förutsägelser i genomsnitt avviker från de faktiska värdena, oavsett riktning. Det uttrycks i målvariabelns enhet, vilket gör det lätt att förstå. Exempel: ett MAE på 12 för en daglig försäljningsprognos innebär att modellen i genomsnitt ligger 12 enheter fel. Det ger mindre vikt åt extremvärden än mått baserade på kvadrerade fel.
Justerad förklaringsgrad mäter hur väl en regressionsmodell förklarar variationen i data, korrigerat för antalet förklaringsvariabler. Den vanliga förklaringsgraden (R²) ökar med varje ytterligare variabel, även en som inte tillför något; den justerade varianten straffar onödiga variabler. Det möjliggör en rättvisare jämförelse av modeller av olika storlek, till exempel en försäljningsprognos med tre i stället för tio faktorer.
Prediktiv modellering är den tekniska kärnan i prediktiv analys: exempeldata med kända utfall används för att bygga en modell som förutsäger ett värde eller en klass för nya fall. Vanliga metoder är regression, beslutsträd, random forests och neurala nätverk. En modell kan till exempel uppskatta ett fastighetspris utifrån boyta, läge och byggår. Före driftsättning testas den på bortlagda data för att upptäcka överanpassning.
