App Multiple Linear Regression

ivan gabrovski

Reklam ehtiva edir

Bu tətbiq haqqında

Çoxlu Xətti Reqressiya, müşahidə olunan məlumatlara xətti tənlik uyğunlaşdırmaqla bir asılı dəyişən və iki və ya daha çox müstəqil dəyişən arasındakı əlaqəni modelləşdirmək üçün istifadə olunan statistik metoddur. Çoxlu xətti reqressiya, bir neçə proqnozlaşdırıcının eyni vaxtda nəticə dəyişəninə necə təsir etdiyini izah edir.
Çoxlu xətti reqressiyanın əsas komponentləri:
- Asılı dəyişən (Y): Bu, proqnozlaşdırmaq istədiyimiz dəyişəndir. O, tez-tez "hədəf dəyişəni" və ya "cavab" da adlanır.
- Asılı dəyişənlər (X1, X2, ..., Xn): Bunlar asılı dəyişəni proqnozlaşdırmaq üçün istifadə etdiyimiz dəyişənlərdir. Onlara tez-tez "proqnozlaşdırıcılar" və ya "izahedici dəyişənlər" də deyilir.
- Reqressiya modeli: Çoxlu xətti reqressiya tənliyi aşağıdakı formaya malikdir:
Y = beta_0 + beta_01* X1 + beta_2*X2 + ... + beta_n* Xn
burada:
Y asılı dəyişəndir. X1, X2, ..., Xn müstəqil dəyişənlərdir.
beta_0 sabitdir (kəsişmə nöqtəsidir). beta_1,beta_2, ..., beta_n, asılı dəyişənə müvafiq müstəqil dəyişənlərin təsirini göstərən reqressiya əmsallarıdır.

Tətbiqlər: - İqtisadiyyat (gəlir proqnozu); - Səhiyyə (risk faktoru təhlili); -Mühəndislik; - Sosial elmlər; -Biznes proqnozu.
Nümunə: Evin qiymətini aşağıdakılara əsasən proqnozlaşdırmaq: -Evin ölçüsü; -Yataq otaqlarının sayı; -Evin yaşı
Tətbiqdə hər bir Object_k(object_1, object_2 ... object_m) obyekti müstəqil dəyişənlər (Xki – xüsusiyyətlər, i = 1...n) və bir asılı dəyişən (Yk -hədəf) ilə təsvir olunur. Əmsalların optimal dəyərlərini (beta_0, beta_1, beta_2, ..., beta_n) hesablamaq üçün adi ən kiçik kvadratlar (OLS) kimi bir metoddan istifadə olunur. Hədəf dəyəri aşağıdakı kimi hesablanır:
Y = beta_0 + beta_01* P1 + beta_2 *P2 + ... + beta_n* Pn
burada: P1, P2...Pn hədəfin proqnozlaşdırıcılarıdır.
Tətbiq, AppMultipleLinearRegression.db adlı SQLite verilənlər bazası (DB) tipində çoxsaylı reqressiya modelləri üçün məlumatları saxlayır. Reqressiya modelləri adlarına görə fərqlənir.
Tətbiqin başlanğıc ekranında (App Multiple Linear Regression Solver) reqressiya modellərinin nümunələrinin siyahısı (spinner siyahısında) və reqressiya modellərinin nümunələrini yaratmaq (Yeni nümunə), yükləmək (Yükləmək), saxlamaq (Saxla), saxlamaq (kimi saxlamaq), hesablamaq (Hesablamaq) və silmək (Silmək) funksiyalarını aktivləşdirmək üçün düymələr göstərilir. Əsas ekrandan menyu elementləri vasitəsilə dil seçimi, verilənlər bazasını saxlamaq və kopyalamaq, verilənlər bazasını nümunə məlumatları ilə başlatmaq və tətbiq üçün kömək, parametrlər və müəlliflər tərəfindən bütün tətbiqlərin təsviri ilə veb sayta keçid kimi köməkçi funksiyalara da daxil ola bilərsiniz.
(Yeni nümunə) yaratmaq funksiyalarına yeni nümunənin məlumatlarını daxil edərkən matrisin ölçüsünü daxil etmək üçün dialoq pəncərəsi daxildir - sətirlərin sayı (proqnozlaşdırılan məlumatlar üçün sətir sayı P1, P2...Pn - son sətir) və sütunların sayı (asılı məlumatlar üçün sütun sayı Y1, Y2,...Yk - son sütun). Daha sonra müvafiq məlumatların daxil edilməsi üçün cədvəl yaradılır. Doldurulmuş cədvəl yadda saxlanılmazdan əvvəl adlandırılmalıdır. Load funksiyası cədvəli təmizləyir.
Köhnə yadda saxlanılan cədvəl fırlanan siyahıdan seçilmiş şəkildə göstərilə bilər. Göstərilən cədvəl hesablana bilər və həll App nəticələri dialoq pəncərəsində görünür. Çap funksiyası AppMultipleLinearRegressionSolver.txt faylındakı bu dialoq pəncərəsindən icra edilə bilər. Çap daxil etmə fəaliyyəti Db-ni saxla/faylı saxla, faylın saxlanılacağı qovluq seçilir. Qovluq seçildikdən sonra yadda saxlamaq üçün düymə görünür. Eyni fəaliyyətdən seçilmiş faylın məzmunu, faylın və ya qovluğun adını dəyişdirmək, yeni qovluq yaratmaq və həmçinin seçilmiş faylı silmək göstərilə bilər.
Çoxlu xətti reqressiya güclü məlumat təhlili vasitəsidir, lakin ehtiyatla və məhdudiyyətlərini başa düşməklə istifadə edilməlidir.
Dezavantajları: Çoxkollinearlığa həssasdır (asılı olmayan dəyişənlər arasında güclü korrelyasiya). Həmişə qeyri-xətti əlaqələri əks etdirmir. Fərziyyələrin diqqətlə təsdiqlənməsini və yoxlanılmasını tələb edir.