Корреляцияны қашан қолдану керек және қарапайым сызықтық регрессияны қашан қолдану керек?
Корреляцияны қашан қолдану керек және қарапайым сызықтық регрессияны қашан қолдану керек?

Бейне: Корреляцияны қашан қолдану керек және қарапайым сызықтық регрессияны қашан қолдану керек?

Бейне: Корреляцияны қашан қолдану керек және қарапайым сызықтық регрессияны қашан қолдану керек?
Бейне: Machine Learning with Python! Simple Linear Regression 2024, Қараша
Anonim

Регрессия бірінші кезекте болған модельдер/теңдеулерді құру дейін болжауыш (X) айнымалылар жиынынан Y негізгі жауапты болжаңыз. Корреляция бірінші кезекте болған 2 немесе одан да көп сандық айнымалылар жиынтығы арасындағы байланыстардың бағыты мен күшін жылдам және қысқаша қорытындылау.

Сондай-ақ білу керек, сызықтық регрессияны қашан пайдалану керек?

Үш негізгі пайдаланады үшін регрессия талдау (1) болжаушылардың күшін анықтау, (2) әсерді болжау және (3) трендті болжау. Біріншіден, регрессия пайдаланылуы мүмкін дейін тәуелсіз айнымалының (лар) тәуелді айнымалыға әсер ету күшін анықтау.

Сондай-ақ, корреляцияны қашан қолдану керек? Корреляция болып табылады пайдаланылады екі үздіксіз айнымалылар арасындағы сызықтық байланысты сипаттау үшін (мысалы, бой мен салмақ). Жалпы алғанда, корреляция болуға бейім пайдаланылады анықталған жауап айнымалысы болмаған кезде. Ол екі немесе одан да көп айнымалылар арасындағы сызықтық байланыстың күшін (сапалық) және бағытын өлшейді.

Қарапайым сызықтық регрессия мен корреляцияның айырмашылығы неде?

Регрессия тәуелсіз айнымалының тәуелді айнымалымен сандық байланысын сипаттайды. Корреляция көрсету үшін қолданылады сызықтық қатынас арасында екі айнымалы. Басқа жақтан, регрессия ең жақсы сызыққа сәйкес келу және бір айнымалыны негізінде бағалау үшін пайдаланылады ның басқа айнымалы.

Пирсон корреляциясы мен қарапайым сызықтық регрессияның қайсысы дұрыс?

Пирсон корреляциясы және Сызықтық регрессия . А корреляция талдау күші мен бағыты туралы ақпарат береді сызықтық екі айнымалы арасындағы байланыс, ал а қарапайым сызықтық регрессиялық талдау а-дағы параметрлерді бағалайды сызықтық Бір айнымалының мәндерін екіншісіне негізделген болжау үшін қолдануға болатын теңдеу

Ұсынылған: