App Multiple Linear Regression

ivan gabrovski

දැන්වීම් අඩංගුය

මෙම යෙදුම ගැන

බහු රේඛීය ප්‍රතිගමනය යනු නිරීක්ෂණය කරන ලද දත්ත වලට රේඛීය සමීකරණයක් සවි කිරීමෙන් එක් යැපෙන විචල්‍යයක් සහ ස්වාධීන විචල්‍ය දෙකක් හෝ වැඩි ගණනක් අතර සම්බන්ධතාවය ආදර්ශනය කිරීමට භාවිතා කරන සංඛ්‍යානමය ක්‍රමයකි. බහු රේඛීය ප්‍රතිගමනය මඟින් අනාවැකිකරුවන් කිහිප දෙනෙකු එකවර ප්‍රතිඵල විචල්‍යයකට බලපාන ආකාරය පැහැදිලි කරයි.
බහු රේඛීය ප්‍රතිගමනයේ ප්‍රධාන සංරචක:
- යැපෙන විචල්‍යය (Y): අපට පුරෝකථනය කිරීමට අවශ්‍ය විචල්‍යය මෙයයි. එය බොහෝ විට "ඉලක්ක විචල්‍යය" හෝ "ප්‍රතිචාරය" ලෙසද හැඳින්වේ.
- ස්වාධීන විචල්‍යයන් (X1, X2, ..., Xn): යැපෙන විචල්‍යය පුරෝකථනය කිරීමට අප භාවිතා කරන විචල්‍යයන් මේවාය. ඒවා බොහෝ විට "පුරෝකථක" හෝ "පැහැදිලි කිරීමේ විචල්‍යයන්" ලෙසද හැඳින්වේ.
- ප්‍රතිගමන ආකෘතිය: බහු රේඛීය ප්‍රතිගමනයේ සමීකරණයට පහත ස්වරූපය ඇත:
Y = beta_0 + beta_01* X1 + beta_2*X2 + ... + beta_n* Xn
එහිදී:
Y යනු යැපෙන විචල්‍යයයි. X1, X2, ..., Xn යනු ස්වාධීන විචල්‍යයන් වේ.
beta_0 යනු නියතය (අන්තරාවර්තනය) වේ. beta_1,beta_2, ..., beta_n යනු යැපෙන විචල්‍යයට අනුරූප ස්වාධීන විචල්‍යයන්ගේ බලපෑම පෙන්නුම් කරන ප්‍රතිගාමී සංගුණක වේ.

යෙදුම්: - ආර්ථික විද්‍යාව (ආදායම් පුරෝකථනය);- සෞඛ්‍ය සේවා (අවදානම් සාධක විශ්ලේෂණය); - ඉංජිනේරු විද්‍යාව; - සමාජ විද්‍යාවන්; - ව්‍යාපාර පුරෝකථනය.
උදාහරණය: නිවසේ මිල පුරෝකථනය කිරීම: -නිවසේ ප්‍රමාණය; -නිදන කාමර ගණන; - නිවසේ වයස
යෙදුමේ සෑම වස්තුවක්ම Object_k( object_1, object_2 ... object_m) ස්වාධීන විචල්‍යයන් ( Xki – විශේෂාංග, i = 1...n ) සහ යැපෙන විචල්‍යයක් ( Yk -ඉලක්කය) මගින් විස්තර කෙරේ. සංගුණකවල ප්‍රශස්ත අගයන් ගණනය කිරීම සඳහා සාමාන්‍ය අවම වර්ග (OLS) වැනි ක්‍රමයක් භාවිතා කරයි (beta_0, beta_1, beta_2, ..., beta_n). ඉලක්ක අගය ගණනය කරනු ලබන්නේ:
Y = beta_0 + beta_01* P1 + beta_2 *P2 + ... + beta_n* Pn
එහිදී: P1, P2...Pn යනු ඉලක්කයේ පුරෝකථනය කරන්නන් වේ.
AppMultipleLinearRegression.db ලෙස නම් කර ඇති දත්ත සමුදායේ (DB) වර්ගයේ SQLite හි බහු ප්‍රතිගාමී ආකෘති සඳහා යෙදුම දත්ත සුරකියි. ප්‍රතිගාමී ආකෘති නාමයෙන් වෙන්කර හඳුනාගත හැකිය.

යෙදුමේ ආරම්භක තිරය (යෙදුම් බහු රේඛීය ප්‍රතිගාමී විසඳුම්කරු) ප්‍රතිගාමී ආකෘතිවල සාම්පල ලැයිස්තුවක් (ස්පිනර් ලැයිස්තුවේ) සහ ප්‍රතිගාමී ආකෘතිවල සාම්පල නිර්මාණය කිරීමට (නව නියැදිය), පූරණය කිරීමට (පූරණය කිරීමට), සුරැකීමට (සුරකින්න), ලෙස සුරකින්න (ලෙස සුරකින්න), ගණනය කිරීමට (ගණනය කිරීමට) සහ මකා දැමීමට (මකන්න) සක්‍රීය කිරීම සඳහා බොත්තම් පෙන්වයි. ප්‍රධාන තිරයෙන්, මෙනු අංග හරහා, ඔබට භාෂා තේරීම, දත්ත සමුදාය සුරැකීම සහ පිටපත් කිරීම, නියැදි දත්ත සමඟ දත්ත සමුදාය ආරම්භ කිරීම සහ යෙදුම සඳහා උදව්, සැකසුම් සහ කතුවරුන් විසින් සියලුම යෙදුම් පිළිබඳ විස්තරයක් සහිත වෙබ් අඩවියට සබැඳියක් වැනි සහායක කාර්යයන් වෙත ප්‍රවේශ විය හැකිය.
(නව නියැදිය) නිර්මාණය කිරීම සඳහා වන කාර්යයන් අතරට අනුකෘතියේ ප්‍රමාණය ඇතුළත් කිරීම සඳහා සංවාදය ඇතුළත් වේ, එහිදී නව නියැදියේ දත්ත ඇතුළත් කිරීම - පේළි ගණන (P1, P2...Pn– අවසාන පේළිය සඳහා අංකයට පේළිය ඇතුළත් වේ) සහ තීරු ගණන (Y1, Y2,...Yk– අවසාන තීරුව සඳහා අංකයට තීරුව ඇතුළත් වේ). ඉන්පසු අදාළ දත්ත ඇතුළත් කිරීම සඳහා උත්පාදක වගුව වේ. සුරකින ලද වගුවට පෙර ජනනය කළ වගුව නම් කළ යුතුය. ශ්‍රිතය පූරණය වගුව හිස් කරන්න.

පැරණි සුරකින ලද වගුව භ්‍රමක ලැයිස්තුවෙන් තෝරාගත් මගින් පෙන්වනු ලැබේ. පෙන්වන වගුව ගණනය කළ හැකි අතර විසඳුම යෙදුම් ප්‍රතිඵල සංවාදයේ දිස්වේ. AppMultipleLinearRegressionSolver.txt ගොනුවේ මෙම සංවාදයෙන් මුද්‍රණය ක්‍රියාත්මක කළ හැක. මුද්‍රණය ඇතුළත් ක්‍රියාකාරකම් මඟින් Db/Save ගොනුව එය මඟින් සුරකින ෆෝල්ඩරය තෝරාගෙන ඇත. ෆෝල්ඩරය තේරීමෙන් පසු සුරැකීම සඳහා බොත්තම දිස්වේ. එම ක්‍රියාකාරකමෙන්ම තෝරාගත් ගොනුවේ අන්තර්ගතය, ගොනුව හෝ ෆෝල්ඩරය නැවත නම් කිරීම, නව ෆෝල්ඩරය නිර්මාණය කිරීම සහ තෝරාගත් ගොනුව මකා දැමීම පෙන්විය හැක.

බහු රේඛීය ප්‍රතිගමනය යනු බලවත් දත්ත විශ්ලේෂණ මෙවලමකි, නමුත් එය ප්‍රවේශමෙන් සහ එහි සීමාවන් පිළිබඳ අවබෝධයකින් යුතුව භාවිතා කළ යුතුය.
අවාසි: බහු සහසම්බන්ධතාවයට සංවේදී (ස්වාධීන විචල්‍යයන් අතර ශක්තිමත් සහසම්බන්ධය). සෑම විටම රේඛීය නොවන සම්බන්ධතා ග්‍රහණය නොකරයි. ප්‍රවේශමෙන් වලංගු කිරීම සහ උපකල්පන පරීක්ෂා කිරීම අවශ්‍ය වේ.