Regression Model – The first predictive modeling technique to learn
(with R codes)
翻開所有預測分析或機器學習的書籍, 或是數據分析的課程, 第一個遇到的就是回歸分析。簡單的線性回歸淺顯易懂, 是切入分析預測領域非常好的入門磚;隨著學習的模型技術越來越多,且越來越Fancy, 我們可以發現他們不過是線性回歸的延伸或通用化(extensions or generalizations
of linear regression)。
What is Regression Analysis?
回歸分析(Regression Analysis)是一種相當實用且被廣泛運用的統計分析技術, 用以檢視我們想要預測的標的(dependent variable - Y), 與我們所擁有的數據(independent variable (s)- X(s) )之間, 是否具有某種關係(relationship)。
Why
do we use Regression Analysis?
一般說來, 我們可以利用回歸分析, 檢視/回答下列數據預測的項目。以廣告效果是否影響產品銷量為例:
1.[增加廣告預算]與[銷量增加]是否存在關係(relationship)?
2.若有關係(relationship), 其強度(Strong)有多高?
3.廣告預算花費在何種媒體通路上, 貢獻最多的[銷量增加]?
4.
廣告預算花費與業績的預測分析,其準確率有多高?
What
are the types of Regressions?
l Linear Regression
l Logistic Regression
l Polynomial Regression
l Stepwise Regression
l Ridge Regression
l Lasso Regression
l ElasticNet Regression
Regression Model這一系列的文章將會一一介紹上列各項模型方法與R的implement codes. 首先, 我們將從Linear Regression談起。
(文章未完, 編輯撰寫中...)
by J.D.
