1.このセクションの主要なナレッジポイントは、自分の言葉で要約され、写真を添付でき、ナレッジポイントの重要性を説明できます
線形回帰では、データは線形予測関数を使用してモデル化され、未知のモデルパラメーターもデータから推定されます。
これらのモデルは線形モデルと呼ばれます。最も一般的に使用される線形回帰モデリングは、X値が指定されたyの条件付き平均がXのアフィン関数であることです。
それほど一般的ではないケースでは、線形回帰モデルは、Xの線形関数としてXが与えられた場合のyの条件付き分布の中央値またはその他の分位数になります。
すべての形式の回帰分析と同様に、線形回帰も、Xとyの同時確率分布(多変量分析ドメイン)ではなく、Xの値が指定されたyの条件付き確率分布に焦点を当てます。
生物学、行動、環境科学、社会科学からビジネスまで、線形回帰はすべての分野で広く使用されています。線形回帰モデルは、将来を科学的かつ確実に予測するための実証済みの方法になっています。
線形回帰は長い歴史を持つ統計プログラムであるため、線形回帰モデルの特性はよく知られており、非常に迅速にトレーニングできます。
2.どの線形回帰アルゴリズムを使用できるかを考えていますか?(誰もが重複を書かないようにしてください)
(1)インフルエンザ感染の傾向を予測する
(2)株式市場の基本的な一日の制限
(3)上下列車潮流のピーク周期の予測
(4)テストサイトの集中予測
3.線形回帰アルゴリズムを個別に記述します。データは自分で作成するか、インターネットから取得できます。(プラスポイント)