App Multiple Linear Regression

ivan gabrovski

ਇਸ ਵਿੱਚ ਵਿਗਿਆਪਨ ਹਨ

ਇਸ ਐਪ ਬਾਰੇ

ਮਲਟੀਪਲ ਲੀਨੀਅਰ ਰਿਗਰੈਸ਼ਨ ਇੱਕ ਅੰਕੜਾਤਮਕ ਵਿਧੀ ਹੈ ਜੋ ਇੱਕ ਨਿਰਭਰ ਵੇਰੀਏਬਲ ਅਤੇ ਦੋ ਜਾਂ ਦੋ ਤੋਂ ਵੱਧ ਸੁਤੰਤਰ ਵੇਰੀਏਬਲਾਂ ਵਿਚਕਾਰ ਸਬੰਧਾਂ ਨੂੰ ਮਾਡਲ ਕਰਨ ਲਈ ਵਰਤੀ ਜਾਂਦੀ ਹੈ ਜੋ ਇੱਕ ਰੇਖਿਕ ਸਮੀਕਰਨ ਨੂੰ ਨਿਰੀਖਣ ਕੀਤੇ ਡੇਟਾ ਵਿੱਚ ਫਿੱਟ ਕਰਕੇ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਮਲਟੀਪਲ ਲੀਨੀਅਰ ਰਿਗਰੈਸ਼ਨ ਦੱਸਦਾ ਹੈ ਕਿ ਕਿਵੇਂ ਕਈ ਭਵਿੱਖਬਾਣੀਕਰਤਾ ਇੱਕੋ ਸਮੇਂ ਇੱਕ ਨਤੀਜਾ ਵੇਰੀਏਬਲ ਨੂੰ ਪ੍ਰਭਾਵਤ ਕਰਦੇ ਹਨ।

ਮਲਟੀਪਲ ਲੀਨੀਅਰ ਰਿਗਰੈਸ਼ਨ ਦੇ ਮੁੱਖ ਹਿੱਸੇ:
- ਨਿਰਭਰ ਵੇਰੀਏਬਲ (Y): ਇਹ ਉਹ ਵੇਰੀਏਬਲ ਹੈ ਜਿਸਦੀ ਅਸੀਂ ਭਵਿੱਖਬਾਣੀ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਾਂ। ਇਸਨੂੰ ਅਕਸਰ "ਟਾਰਗੇਟ ਵੇਰੀਏਬਲ" ਜਾਂ "ਪ੍ਰਤੀਕਿਰਿਆ" ਵੀ ਕਿਹਾ ਜਾਂਦਾ ਹੈ।
- ਸੁਤੰਤਰ ਵੇਰੀਏਬਲ (X1, X2, ..., Xn): ਇਹ ਉਹ ਵੇਰੀਏਬਲ ਹਨ ਜੋ ਅਸੀਂ ਨਿਰਭਰ ਵੇਰੀਏਬਲ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਵਰਤਦੇ ਹਾਂ। ਇਹਨਾਂ ਨੂੰ ਅਕਸਰ "ਭਵਿੱਖਬਾਣੀ" ਜਾਂ "ਵਿਆਖਿਆਤਮਕ ਵੇਰੀਏਬਲ" ਵੀ ਕਿਹਾ ਜਾਂਦਾ ਹੈ।
- ਰਿਗਰੈਸ਼ਨ ਮਾਡਲ: ਮਲਟੀਪਲ ਲੀਨੀਅਰ ਰਿਗਰੈਸ਼ਨ ਦੇ ਸਮੀਕਰਨ ਦਾ ਹੇਠ ਲਿਖਿਆ ਰੂਪ ਹੈ:
Y = beta_0 + beta_01* X1 + beta_2*X2 + ... + beta_n* Xn
ਜਿੱਥੇ:

Y ਨਿਰਭਰ ਵੇਰੀਏਬਲ ਹੈ। X1, X2, ..., Xn ਸੁਤੰਤਰ ਵੇਰੀਏਬਲ ਹਨ।

beta_0 ਸਥਿਰ (ਇੰਟਰਸੈਪਟ) ਹੈ। beta_1,beta_2, ..., beta_n ਰਿਗਰੈਸ਼ਨ ਗੁਣਾਂਕ ਹਨ ਜੋ ਨਿਰਭਰ ਵੇਰੀਏਬਲ 'ਤੇ ਸੰਬੰਧਿਤ ਸੁਤੰਤਰ ਵੇਰੀਏਬਲਾਂ ਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ।

ਐਪਲੀਕੇਸ਼ਨ: - ਅਰਥ ਸ਼ਾਸਤਰ (ਆਮਦਨ ਦੀ ਭਵਿੱਖਬਾਣੀ); - ਸਿਹਤ ਸੰਭਾਲ (ਜੋਖਮ ਕਾਰਕ ਵਿਸ਼ਲੇਸ਼ਣ); -ਇੰਜੀਨੀਅਰਿੰਗ; - ਸਮਾਜਿਕ ਵਿਗਿਆਨ; -ਕਾਰੋਬਾਰੀ ਭਵਿੱਖਬਾਣੀ।

ਉਦਾਹਰਣ: ਘਰ ਦੀ ਕੀਮਤ ਦੀ ਭਵਿੱਖਬਾਣੀ ਇਸ ਦੇ ਅਧਾਰ ਤੇ ਕਰਨਾ: -ਘਰ ਦਾ ਆਕਾਰ; -ਬੈੱਡਰੂਮਾਂ ਦੀ ਗਿਣਤੀ; - ਘਰ ਦੀ ਉਮਰ
ਐਪ ਵਿੱਚ ਹਰੇਕ ਵਸਤੂ Object_k( object_1, object_2 ... object_m) ਨੂੰ ਸੁਤੰਤਰ ਵੇਰੀਏਬਲਾਂ (Xki - ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ, i = 1...n) ਅਤੇ ਇੱਕ ਨਿਰਭਰ ਵੇਰੀਏਬਲ (Yk -ਟਾਰਗੇਟ) ਦੁਆਰਾ ਦਰਸਾਇਆ ਗਿਆ ਹੈ। ਗੁਣਾਂਕ (beta_0, beta_1, beta_2, ..., beta_n) ਦੇ ਅਨੁਕੂਲ ਮੁੱਲਾਂ ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ ਇੱਕ ਵਿਧੀ ਜਿਵੇਂ ਕਿ ਆਮ ਘੱਟੋ ਘੱਟ ਵਰਗ (OLS) ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਟੀਚਾ ਮੁੱਲ ਦੀ ਗਣਨਾ ਇਸ ਤਰ੍ਹਾਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ:
Y = beta_0 + beta_01* P1 + beta_2 *P2 + ... + beta_n* Pn
ਜਿੱਥੇ: P1, P2...Pn ਟੀਚੇ ਦੇ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਵਾਲੇ ਹਨ।
ਡੇਟਾਬੇਸ (DB) ਕਿਸਮ SQLite ਵਿੱਚ ਮਲਟੀਪਲ ਰਿਗਰੈਸ਼ਨ ਮਾਡਲਾਂ ਲਈ ਐਪਲੀਕੇਸ਼ਨ ਸੇਵ ਡੇਟਾ ਜਿਸਦਾ ਨਾਮ AppMultipleLinearRegression.db ਹੈ। ਰਿਗਰੈਸ਼ਨ ਮਾਡਲਾਂ ਨੂੰ ਨਾਮ ਦੁਆਰਾ ਵੱਖ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
ਐਪਲੀਕੇਸ਼ਨ ਦੀ ਸਟਾਰਟਅੱਪ ਸਕ੍ਰੀਨ (ਐਪ ਮਲਟੀਪਲ ਲੀਨੀਅਰ ਰਿਗਰੈਸ਼ਨ ਸੋਲਵਰ) ਰਿਗਰੈਸ਼ਨ ਮਾਡਲਾਂ ਦੇ ਨਮੂਨਿਆਂ (ਸਪਿਨਰ ਸੂਚੀ ਵਿੱਚ) ਦੀ ਇੱਕ ਸੂਚੀ ਅਤੇ ਰਿਗਰੈਸ਼ਨ ਮਾਡਲਾਂ ਦੇ ਨਮੂਨੇ ਬਣਾਉਣ (ਨਵਾਂ ਨਮੂਨਾ), ਲੋਡ (ਲੋਡ), ਸੇਵ (ਸੇਵ), ਸੇਵ ਐਜ਼ (ਸੇਵ ਐਜ਼), ਕੈਲਕੁਲੇਟ (ਕੈਲਕੁਲੇਟ) ਅਤੇ ਡਿਲੀਟ (ਡਿਲੀਟ) ਫੰਕਸ਼ਨਾਂ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਣ ਲਈ ਬਟਨ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਦੀ ਹੈ। ਮੁੱਖ ਸਕ੍ਰੀਨ ਤੋਂ, ਮੀਨੂ ਐਲੀਮੈਂਟਸ ਰਾਹੀਂ, ਤੁਸੀਂ ਭਾਸ਼ਾ ਦੀ ਚੋਣ, ਡੇਟਾਬੇਸ ਨੂੰ ਸੇਵ ਅਤੇ ਕਾਪੀ ਕਰਨ, ਨਮੂਨਾ ਡੇਟਾ ਨਾਲ ਡੇਟਾਬੇਸ ਨੂੰ ਸ਼ੁਰੂ ਕਰਨ, ਅਤੇ ਸਹਾਇਕ ਫੰਕਸ਼ਨਾਂ ਜਿਵੇਂ ਕਿ ਐਪਲੀਕੇਸ਼ਨ ਲਈ ਮਦਦ, ਸੈਟਿੰਗਾਂ, ਅਤੇ ਲੇਖਕਾਂ ਦੁਆਰਾ ਸਾਰੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੇ ਵੇਰਵੇ ਦੇ ਨਾਲ ਵੈਬਸਾਈਟ ਦਾ ਲਿੰਕ ਵੀ ਐਕਸੈਸ ਕਰ ਸਕਦੇ ਹੋ।
(ਨਵਾਂ ਨਮੂਨਾ) ਬਣਾਉਣ ਲਈ ਫੰਕਸ਼ਨਾਂ ਵਿੱਚ ਮੈਟ੍ਰਿਕਸ ਦੇ ਆਕਾਰ ਨੂੰ ਇਨਪੁੱਟ ਕਰਨ ਲਈ ਡਾਇਲਾਗ ਸ਼ਾਮਲ ਹੁੰਦਾ ਹੈ ਜਿੱਥੇ ਨਵੇਂ ਨਮੂਨੇ ਦਾ ਡੇਟਾ ਦਾਖਲ ਕੀਤਾ ਜਾਂਦਾ ਹੈ - ਕਤਾਰਾਂ ਦੀ ਗਿਣਤੀ (ਅਨੁਮਾਨਿਤ ਡੇਟਾ ਲਈ ਕਤਾਰ ਸ਼ਾਮਲ ਕਰੋ P1, P2...Pn– ਆਖਰੀ ਕਤਾਰ) ਅਤੇ ਕਾਲਮਾਂ ਦੀ ਗਿਣਤੀ (ਨਿਰਭਰ ਡੇਟਾ ਲਈ ਕਾਲਮ ਸ਼ਾਮਲ ਕਰੋ Y1, Y2,...Yk– ਆਖਰੀ ਕਾਲਮ)। ਫਿਰ ਸੰਬੰਧਿਤ ਡੇਟਾ ਦਾਖਲ ਕਰਨ ਲਈ ਟੇਬਲ ਤਿਆਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਆਬਾਦੀ ਵਾਲੀ ਟੇਬਲ ਨੂੰ ਸੇਵ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਨਾਮ ਦਿੱਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਫੰਕਸ਼ਨ ਲੋਡ ਕਰੋ ਟੇਬਲ ਸਾਫ਼ ਕਰੋ।
ਸਪਿਨਰ ਸੂਚੀ ਵਿੱਚੋਂ ਚੁਣੇ ਹੋਏ ਦੁਆਰਾ ਪੁਰਾਣੀ ਸੇਵ ਕੀਤੀ ਟੇਬਲ ਦਿਖਾਈ ਦੇ ਸਕਦੀ ਹੈ। ਦਿਖਾਉਣ ਵਾਲੀ ਟੇਬਲ ਦੀ ਗਣਨਾ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ ਅਤੇ ਹੱਲ ਡਾਇਲਾਗ ਐਪ ਨਤੀਜਿਆਂ ਵਿੱਚ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ। ਫੰਕਸ਼ਨ ਪ੍ਰਿੰਟ ਨੂੰ ਇਸ ਡਾਇਲਾਗ ਤੋਂ ਐਪਮਲਟਿਪਲਲਾਈਨਰਰਗ੍ਰੇਸ਼ਨਸੋਲਵਰ.ਟੀਐਕਸਟੀ ਫਾਈਲ ਵਿੱਚ ਚਲਾਇਆ ਜਾ ਸਕਦਾ ਹੈ। ਪ੍ਰਿੰਟ ਸ਼ਾਮਲ ਗਤੀਵਿਧੀ ਸੇਵ ਡੀਬੀ/ਸੇਵ ਫਾਈਲ ਇਸ ਦੁਆਰਾ ਚੁਣੀ ਗਈ ਫੋਲਡਰ ਹੈ ਜਿੱਥੇ ਫਾਈਲ ਸੇਵ ਕਰਨੀ ਹੈ। ਫੋਲਡਰ ਚੁਣਨ ਤੋਂ ਬਾਅਦ ਸੇਵ ਲਈ ਬਟਨ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ। ਉਸੇ ਗਤੀਵਿਧੀ ਤੋਂ ਚੁਣੀ ਗਈ ਫਾਈਲ ਦੀ ਸਮੱਗਰੀ ਦਿਖਾਈ ਜਾ ਸਕਦੀ ਹੈ, ਫਾਈਲ ਜਾਂ ਫੋਲਡਰ ਦਾ ਨਾਮ ਬਦਲਣ ਲਈ, ਨਵਾਂ ਫੋਲਡਰ ਬਣਾਉਣ ਲਈ ਅਤੇ ਚੁਣੀ ਗਈ ਫਾਈਲ ਨੂੰ ਮਿਟਾਉਣ ਲਈ ਵੀ।
ਮਲਟੀਪਲ ਲੀਨੀਅਰ ਰਿਗਰੈਸ਼ਨ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਟੂਲ ਹੈ, ਪਰ ਇਸਨੂੰ ਸਾਵਧਾਨੀ ਅਤੇ ਇਸਦੀਆਂ ਸੀਮਾਵਾਂ ਦੀ ਸਮਝ ਨਾਲ ਵਰਤਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
ਨੁਕਸਾਨ: ਬਹੁ-ਸਮਾਜਿਕਤਾ ਪ੍ਰਤੀ ਸੰਵੇਦਨਸ਼ੀਲ (ਸੁਤੰਤਰ ਵੇਰੀਏਬਲਾਂ ਵਿਚਕਾਰ ਮਜ਼ਬੂਤ ​​ਸਬੰਧ)। ਹਮੇਸ਼ਾ ਗੈਰ-ਰੇਖਿਕ ਸਬੰਧਾਂ ਨੂੰ ਹਾਸਲ ਨਹੀਂ ਕਰਦਾ। ਧਾਰਨਾਵਾਂ ਦੀ ਧਿਆਨ ਨਾਲ ਪ੍ਰਮਾਣਿਕਤਾ ਅਤੇ ਜਾਂਚ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।