App Multiple Linear Regression

ivan gabrovski

Жарнамалар бар

Колдонмо тууралуу

Көп сызыктуу регрессия - бул бир көз каранды өзгөрмө менен эки же андан көп көз карандысыз өзгөрмөлөрдүн ортосундагы байланышты байкалган маалыматтарга сызыктуу теңдемени тууралоо аркылуу моделдөө үчүн колдонулган статистикалык ыкма. Көп сызыктуу регрессия бир нече предикторлордун бир эле учурда натыйжа өзгөрмөсүнө кандай таасир этерин түшүндүрөт.

Көп сызыктуу регрессиянын негизги компоненттери:
- Көз каранды өзгөрмө (Y): Бул биз алдын ала айткыбыз келген өзгөрмө. Ал көбүнчө "максаттуу өзгөрмө" же "жооп" деп да аталат.
- Көз карандысыз өзгөрмөлөр (X1, X2, ..., Xn): Булар биз көз каранды өзгөрмөнү алдын ала айтуу үчүн колдонгон өзгөрмөлөр. Алар көбүнчө "продикторлор" же "түшүндүрмө өзгөрмөлөр" деп да аталат.
- Регрессия модели: Көп сызыктуу регрессиянын теңдемеси төмөнкү формада болот:
Y = beta_0 + beta_01* X1 + beta_2*X2 + ... + beta_n* Xn
мында:
Y - көз каранды өзгөрмө. X1, X2, ..., Xn - көз карандысыз өзгөрмөлөр.
beta_0 - туруктуу (кесилиш). beta_1, beta_2, ..., beta_n – тиешелүү көз карандысыз өзгөрмөлөрдүн көз каранды өзгөрмөгө тийгизген таасирин көрсөткөн регрессиялык коэффициенттер.

Колдонулушу: - Экономика (кирешени алдын ала айтуу); - Саламаттыкты сактоо (тобокелдик факторлорун талдоо); -Инженерия; - Коомдук илимдер; -Бизнести алдын ала айтуу.
Мисал: Үйдүн баасын төмөнкүлөргө негиздеп алдын ала айтуу: -Үйдүн өлчөмү; -Уктоочу бөлмөлөрдүн саны; -Үйдүн жашы
Тиркемеде ар бир Object_k(object_1, object_2 ... object_m) объектиси көз карандысыз өзгөрмөлөр (Xki – өзгөчөлүктөр, i = 1...n) жана бир көз каранды өзгөрмө (Yk -максат) менен сүрөттөлөт. Коэффициенттердин оптималдуу маанилерин (beta_0, beta_1, beta_2, ..., beta_n) эсептөө үчүн кадимки эң кичине квадраттар (OLS) сыяктуу ыкма колдонулат. Максаттуу маани төмөнкүдөй эсептелет:
Y = beta_0 + beta_01* P1 + beta_2 *P2 + ... + beta_n* Pn
мында: P1, P2...Pn – максаттын алдын ала айтуучулары.
Колдонмо AppMultipleLinearRegression.db деп аталган SQLite маалымат базасында (DB) бир нече регрессиялык моделдер үчүн маалыматтарды сактайт. Регрессиялык моделдер аталыштары боюнча айырмаланат.
Тиркеменин баштоо экранында (App Multiple Linear Regression Solver) регрессиялык моделдердин үлгүлөрүнүн тизмеси (айланма тизмеде) жана регрессиялык моделдердин үлгүлөрүн түзүү (Жаңы үлгү), жүктөө (Жүктөө), сактоо (Сактоо), сактоо (Асылда сактоо), эсептөө (Эсептөө) жана жок кылуу (Өчүрүү) функцияларын иштетүү үчүн баскычтар көрсөтүлөт. Негизги экрандан меню элементтери аркылуу тилди тандоо, маалымат базасын сактоо жана көчүрүү, үлгү маалыматтары менен маалымат базасын инициализациялоо жана тиркеме үчүн жардам, жөндөөлөр жана авторлордун бардык тиркемелеринин сүрөттөмөсү менен веб-сайтка шилтеме сыяктуу көмөкчү функцияларга да кире аласыз.
(Жаңы үлгү) түзүү функцияларына матрицанын өлчөмүн киргизүү үчүн диалог терезеси кирет, мында жаңы үлгүнүн маалыматтарын киргизүүдө – саптардын саны (божомолдонгон маалыматтар үчүн саптын саны P1, P2...Pn – акыркы сап) жана мамычалардын саны (көз каранды маалыматтар үчүн Y1, Y2,...Yk – акыркы мамыча) көрсөтүлөт. Андан кийин тиешелүү маалыматтарды киргизүү үчүн таблица түзүлөт. Толтурулган таблица сакталганга чейин аталышы керек. Жүктөө функциясы таблицаны тазалайт.
Эски сакталган таблица айлануучу тизмеден тандалгандар боюнча көрсөтүлүшү мүмкүн. Көрсөтүлгөн таблица эсептелип, чечим Колдонмонун жыйынтыктары диалог терезесинде пайда болот. Басып чыгаруу функциясы AppMultipleLinearRegressionSolver.txt файлындагы ушул диалог терезесинен аткарылышы мүмкүн. Басып чыгаруу активдүүлүгү, анын ичинде, файлды сактоо/файлды сактоо, файл сактала турган папка тандалат. Папканы тандагандан кийин сактоо баскычы пайда болот. Ошол эле активдүүлүктөн тандалган файлдын мазмуну көрсөтүлүшү мүмкүн, файлдын же папканын атын өзгөртүү, жаңы папка түзүү жана тандалган файлды жок кылуу.
Көп сызыктуу регрессия – бул маалыматтарды талдоо үчүн күчтүү курал, бирок аны этияттык менен жана анын чектөөлөрүн түшүнүү менен колдонуу керек.
Кемчиликтери: Мультиколлинеардыкка сезгич (көз карандысыз өзгөрмөлөрдүн ортосундагы күчтүү корреляция). Сызыктуу эмес байланыштарды дайыма эле чагылдыра бербейт. Божомолдорду кылдаттык менен текшерүүнү жана текшерүүнү талап кылат.