App Multiple Linear Regression

ivan gabrovski

Жарнамалары бар

Осы қолданба туралы

Көптік сызықтық регрессия - бір тәуелді айнымалы мен екі немесе одан да көп тәуелсіз айнымалылар арасындағы байланысты бақыланатын деректерге сызықтық теңдеуді сәйкестендіру арқылы модельдеу үшін қолданылатын статистикалық әдіс. Көптік сызықтық регрессия бірнеше болжаушылар бір уақытта нәтиже айнымалысына қалай әсер ететінін түсіндіреді.

Көптік сызықтық регрессияның негізгі компоненттері:
- Тәуелді айнымалы (Y): Бұл біз болжағымыз келетін айнымалы. Ол көбінесе «мақсатты айнымалы» немесе «жауап» деп те аталады.
- Тәуелсіз айнымалылар (X1, X2, ..., Xn): Бұл біз тәуелді айнымалыны болжау үшін қолданатын айнымалылар. Олар көбінесе «болжаушылар» немесе «түсіндірме айнымалылар» деп те аталады.
- Регрессия моделі: Көптік сызықтық регрессия теңдеуі келесі түрге ие:
Y = beta_0 + beta_01* X1 + beta_2*X2 + ... + beta_n* Xn
мұндағы:
Y - тәуелді айнымалы. X1, X2, ..., Xn - тәуелсіз айнымалылар.
beta_0 - тұрақты (қиылысу). beta_1,beta_2, ..., beta_n - тәуелді айнымалыға сәйкес тәуелсіз айнымалылардың әсерін көрсететін регрессия коэффициенттері.

Қолданылуы: - Экономика (табыс болжамы); - Денсаулық сақтау (тәуекел факторларын талдау); -Инженерия; - Әлеуметтік ғылымдар; -Бизнес болжамы.
Мысал: Үй бағасын келесілерге негіздеп болжау: -Үйдің көлемі; -Жатын бөлмелер саны; -Үйдің жасы
Қолданбада әрбір Object_k(object_1, object_2 ... object_m) нысаны тәуелсіз айнымалылармен (Xki – мүмкіндіктер, i = 1...n) және бір тәуелді айнымалымен (Yk -target) сипатталады. Коэффициенттердің оңтайлы мәндерін (beta_0, beta_1, beta_2, ..., beta_n) есептеу үшін кәдімгі ең кіші квадраттар (OLS) сияқты әдіс қолданылады. Мақсатты мән келесідей есептеледі:
Y = beta_0 + beta_01* P1 + beta_2 *P2 + ... + beta_n* Pn
мұндағы: P1, P2...Pn - мақсаттың болжаушылары.
Қолданба AppMultipleLinearRegression.db деп аталатын SQLite дерекқорындағы (DB) бірнеше регрессиялық модельдер үшін деректерді сақтайды. Регрессиялық модельдер атауы бойынша ажыратылады.
Қолданбаның іске қосу экранында (App Multiple Linear Regression Solver) регрессиялық модельдер үлгілерінің тізімі (айналдырғыш тізімінде) және регрессиялық модельдердің үлгілерін жасау (Жаңа үлгі), жүктеу (Жүктеу), сақтау (Сақтау), сақтау (басқаша сақтау), есептеу (Есептеу) және жою (Жою) функцияларын қосуға арналған түймелер көрсетіледі. Негізгі экраннан мәзір элементтері арқылы тілді таңдау, дерекқорды сақтау және көшіру, үлгі деректерімен дерекқорды инициализациялау және қолданбаға көмек, параметрлер және авторлардың барлық қолданбаларының сипаттамасы бар веб-сайтқа сілтеме сияқты көмекші функцияларға қол жеткізуге болады.
(Жаңа үлгі) құру функцияларына жаңа үлгі деректерін енгізу кезінде матрица өлшемін енгізуге арналған диалогтық терезе кіреді – жолдар саны (болжамды деректер үшін жол саны P1, P2...Pn – соңғы жол) және бағандар саны (тәуелді деректер үшін баған саны Y1, Y2,...Yk – соңғы баған), содан кейін тиісті деректерді енгізуге арналған кесте жасалады. Толтырылған кесте сақталмас бұрын аталуы керек. Жүктеу функциясы кестені тазалайды.
Ескі сақталған кесте айналдыру тізімінен таңдалған кесте бойынша көрсетілуі мүмкін. Көрсетілген кесте есептелуі мүмкін және шешім қолданба нәтижелері диалогтық терезесінде пайда болады. Басып шығару функциясы AppMultipleLinearRegressionSolver.txt файлындағы осы диалогтық терезеден орындалуы мүмкін. Басып шығаруды қосу әрекеті Дерекқорды сақтау/файлды сақтау арқылы таңдалады, файл сақталатын қалта таңдалады. Қалтаны таңдағаннан кейін сақтау түймесі пайда болады. Сол әрекеттен таңдалған файлдың мазмұны көрсетілуі мүмкін, файлдың немесе қалтаның атын өзгерту, жаңа қалта жасау және таңдалған файлды жою.
Көп сызықтық регрессия – деректерді талдаудың қуатты құралы, бірақ оны сақтықпен және оның шектеулерін түсіне отырып пайдалану керек.
Кемшіліктері: Мультиколлинеарлыққа сезімтал (тәуелсіз айнымалылар арасындағы күшті корреляция). Сызықтық емес қатынастарды әрқашан көрсете бермейді. Болжамдарды мұқият тексеруді және тексеруді талап етеді.