Ми могли б використовувати рівняння для прогнозування ваги, якби знали зріст людини. У цьому прикладі, якби зріст людини був 70 дюймів, ми передбачили б, що його вага буде: Вага = 80 + 2 x (70) = 220 фунтів. У цій простій лінійній регресії ми досліджуємо вплив однієї незалежної змінної на результат.31 травня 2016 р.
Наприклад, його можна використовувати для прогнозування зв’язку між необережним водінням і загальною кількістю дорожньо-транспортних пригод, спричинених водієм, або, на бізнес-прикладі, вплив на продажі та витрати певної суми грошей на рекламу. Регресія є однією з найпоширеніших моделей машинного навчання.
Приклад: ми можемо так сказати вік і зріст можна описати за допомогою моделі лінійної регресії. Оскільки з віком зріст людини збільшується, вони мають лінійну залежність. Регресійні моделі зазвичай використовуються як статистичні докази тверджень щодо повсякденних фактів.
Регресійний аналіз є статистичним методом. Він використовується для аналізу різних факторів, які можуть вплинути на ціль, наприклад успіху запуску продукту, зростання бізнесу, нової маркетингової кампанії, і визначення того, які фактори є важливими, а які можна проігнорувати.
Якщо ви просто взяли 10% найуспішніших студентів і поставили їм другий тест, використовуючи ту саму стратегію, очікувалося, що середній бал буде близьким до 50. Таким чином, ваші найуспішніші студенти «відновляться» до середнього значення всіх студентів, які склали початковий тест.
Ми могли б використовувати рівняння для прогнозування ваги, якби знали зріст людини. У цьому прикладі, якби зріст людини був 70 дюймів, ми передбачили б, що його вага буде: Вага = 80 + 2 x (70) = 220 фунтів. У цій простій лінійній регресії ми досліджуємо вплив однієї незалежної змінної на результат.