多元回归分析-理论.ppt

****多元回归分析财务大数据分析回归分析(RegressionAnalysis)面积大小？地段位置？国家政策？人均收入增长？。。。。。。房价=f(面积大小、地段位置、政策、人均收入。。。)什么是回归？回归分析(RegressionAnalysis)回归分析是研究一个变量关于另一个或者多些变量之间具体依赖关系的计算方法和理论。在大数据分析中，回归分析是一种预测性的建模技术，它研究的是因变量和自变量之间的关系。这种技术通常用于预测分析。自变量：解释的变量，比如房屋面积、地段位置、国家政策、新增用户数、留存用户数。。。因变量：被解释的变量，比如房价、DAU、MAU。。。其用意：研究预测解释变量对被解释变量的影响程度、影响大小或者方向回归分析的概念：回归分析(RegressionAnalysis)一元线性回归回归分析的种类：多元线性回归非线性回归一元回归分析((LinearRegression))一元线性回归是描述两个变量之间相关关系的最简单的回归模型。自变量与因变量间的线性关系的数学结构通常用式（1）的形式：y=β0+β1x+ε(1)其中两个变量y与x之间的关系用两部分描述。一部分是由于x的变化引起y线性变化的部分，即β0+β1x，另一部分是由其他一切随机因素引起的，记为ε。β0和β1是未知参数，β0为回归常数，β1为回归系数。ε表示其他随机因素的影响。一般假定ε是不可观测的随机误差，它是一个随机变量一元回归分析((LinearRegression))一元回归分析((LinearRegression))一般采用最小二乘法进行求解：找出一组对应变量的的相应参数，以使因变量的实际观测值与回归方程的预测值之间的总方差减到最小一元回归分析(LinearRegression)散点图拟合线一元回归分析((LinearRegression))多元线性回归是描述多个变量之间相关关系的回归模型。自变量与因变量间的线性关系的数学结构通常用式（2）的形式：训练集、验证集、测试集训练集（TrainingSet）：用来训练与拟合模型；数据量大概占总样本的50%~70%验证集（ValidationSet):用于调整模型的参数和用于对模型的能力进行评估测试集（TestingSet）：用来检验最终选择最优的模型的性能如何训练集、验证集、测试集训练集测试集验证集数据集训练集、验证集、测试集训练集（TrainingSet）：学生的课本；学生根据课本里的内容来掌握知识验证集（ValidationSet):作业；通过作业可以知道不同学生学习情况、进步的速度快慢。测试集（TestingSet）：考试；考的题是平常都没有见过，考察学生举一反三的能力学生掌握的知识作业完成情况考试完成情况****