App Multiple Linear Regression

ivan gabrovski

விளம்பரங்கள் உள்ளன

இந்த ஆப்ஸ் பற்றி

பல நேரியல் பின்னடைவு என்பது ஒரு சார்பு மாறிக்கும் இரண்டு அல்லது அதற்கு மேற்பட்ட சுயாதீன மாறிகளுக்கும் இடையிலான உறவை மாதிரியாக்கப் பயன்படுத்தப்படும் ஒரு புள்ளிவிவர முறையாகும், இது கவனிக்கப்பட்ட தரவுகளுக்கு ஒரு நேரியல் சமன்பாட்டைப் பொருத்துவதன் மூலம் பயன்படுத்தப்படுகிறது. பல நேரியல் பின்னடைவு என்பது பல முன்னறிவிப்பான்கள் ஒரே நேரத்தில் ஒரு விளைவு மாறியை எவ்வாறு பாதிக்கின்றன என்பதை விளக்குகிறது.
பல நேரியல் பின்னடைவின் முக்கிய கூறுகள்:
- சார்பு மாறி (Y): இது நாம் கணிக்க விரும்பும் மாறி. இது பெரும்பாலும் "இலக்கு மாறி" அல்லது "பதில்" என்றும் அழைக்கப்படுகிறது.
- சார்பு மாறிகள் (X1, X2, ..., Xn): இவை சார்பு மாறியைக் கணிக்க நாம் பயன்படுத்தும் மாறிகள். அவை பெரும்பாலும் "முன்கணிப்பாளர்கள்" அல்லது "விளக்க மாறிகள்" என்றும் அழைக்கப்படுகின்றன.
- பின்னடைவு மாதிரி: பல நேரியல் பின்னடைவின் சமன்பாடு பின்வரும் வடிவத்தைக் கொண்டுள்ளது:
Y = beta_0 + beta_01* X1 + beta_2*X2 + ... + beta_n* Xn
இங்கு:
Y என்பது சார்பு மாறி. X1, X2, ..., Xn என்பது சார்பு மாறிகள்.
beta_0 என்பது மாறிலி (இடைமறிப்பு). beta_1,beta_2, ..., beta_n ஆகியவை சார்பு மாறியின் மீது தொடர்புடைய சுயாதீன மாறிகளின் செல்வாக்கைக் குறிக்கும் பின்னடைவு குணகங்கள் ஆகும்.

பயன்பாடுகள்: - பொருளாதாரம் (வருமான கணிப்பு);- சுகாதாரம் (ஆபத்து காரணி பகுப்பாய்வு); -பொறியியல்; - சமூக அறிவியல்; -வணிக முன்னறிவிப்பு.

எடுத்துக்காட்டு: வீட்டின் விலையை இதன் அடிப்படையில் கணித்தல்: -வீட்டின் அளவு; -படுக்கையறைகளின் எண்ணிக்கை; - வீட்டின் வயது
பயன்பாட்டில் ஒவ்வொரு பொருளும் Object_k( object_1, object_2 ... object_m) சுயாதீன மாறிகள் (Xki – அம்சங்கள், i = 1...n ) மற்றும் ஒரு சார்பு மாறி (Yk -இலக்கு) மூலம் விவரிக்கப்படுகின்றன. குணகங்களின் (beta_0, beta_1, beta_2, ..., beta_n) உகந்த மதிப்புகளைக் கணக்கிட சாதாரண குறைந்தபட்ச சதுரங்கள் (OLS) போன்ற ஒரு முறை பயன்படுத்தப்படுகிறது. இலக்கு மதிப்பு இதன் மூலம் கணக்கிடப்படுகிறது:
Y = beta_0 + beta_01* P1 + beta_2 *P2 + ... + beta_n* Pn
இங்கு: P1, P2...Pn என்பது இலக்கின் முன்னறிவிப்பாளர்கள்.
AppMultipleLinearRegression.db என பெயரிடப்பட்ட தரவுத்தள (DB) வகை SQLite இல் பல பின்னடைவு மாதிரிகளுக்கான பயன்பாடு தரவைச் சேமிக்கிறது. பின்னடைவு மாதிரிகள் பெயரால் வேறுபடுகின்றன.

பயன்பாட்டின் தொடக்கத் திரை (ஆப் மல்டிபிள் லீனியர் பின்னடைவு தீர்வி) பின்னடைவு மாதிரிகளின் மாதிரிகளின் பட்டியலை (ஸ்பின்னர் பட்டியலில்) காட்டுகிறது மற்றும் செயல்பாடுகளை உருவாக்க (புதிய மாதிரி), ஏற்ற (ஏற்ற), சேமி (சேமி), இவ்வாறு சேமி (இவ்வாறு சேமி), கணக்கிட (கணக்கிடு) மற்றும் நீக்க (நீக்கு) மாதிரிகளை இயக்குவதற்கான பொத்தான்களைக் காட்டுகிறது. பிரதான திரையில் இருந்து, மெனு கூறுகள் வழியாக, மொழித் தேர்வு, தரவுத்தளத்தைச் சேமித்தல் மற்றும் நகலெடுப்பது, மாதிரித் தரவைக் கொண்டு தரவுத்தளத்தைத் துவக்குதல் மற்றும் பயன்பாட்டிற்கான உதவி, அமைப்புகள் மற்றும் ஆசிரியர்களால் அனைத்து பயன்பாடுகளின் விளக்கத்துடன் வலைத்தளத்திற்கான இணைப்பு போன்ற துணை செயல்பாடுகளையும் நீங்கள் அணுகலாம்.
(புதிய மாதிரி) உருவாக்குவதற்கான செயல்பாடுகளில், புதிய மாதிரியின் தரவை உள்ளிடுவதற்கான மேட்ரிக்ஸின் அளவை உள்ளிடுவதற்கான உரையாடல் அடங்கும் - வரிசைகளின் எண்ணிக்கை (கணிக்கப்படும் தரவு P1, P2...Pn– கடைசி வரிசைக்கான வரிசை எண் அடங்கும்) மற்றும் நெடுவரிசைகளின் எண்ணிக்கை (சார்பு தரவு Y1, Y2,...Yk– கடைசி நெடுவரிசை எண் அடங்கும்) மற்றும் தொடர்புடைய தரவை உள்ளிடுவதற்கான உருவாக்க அட்டவணை. பின்னர், நிரப்பப்பட்ட அட்டவணை சேமிக்கப்படுவதற்கு முன்பு பெயரிடப்பட வேண்டும். சுமை செயல்பாடு அட்டவணையை அழிக்கவும்.

பழைய சேமிக்கப்பட்ட அட்டவணை ஸ்பின்னர் பட்டியலிலிருந்து தேர்ந்தெடுக்கப்பட்டதன் மூலம் காட்டப்படலாம். காண்பிக்கும் அட்டவணை கணக்கிடப்படலாம் மற்றும் தீர்வு உரையாடல் பயன்பாட்டு முடிவுகளில் தோன்றும். AppMultipleLinearRegressionSolver.txt கோப்பில் உள்ள இந்த உரையாடலில் இருந்து அச்சு செயல்பாடு செயல்படுத்தப்படலாம். அச்சு செயல்பாடு சேமி Db/சேமி கோப்பு அதன் மூலம் கோப்பை சேமிக்க வேண்டிய கோப்புறை தேர்ந்தெடுக்கப்படுகிறது. கோப்புறையைத் தேர்ந்தெடுத்த பிறகு சேமிப்பதற்கான பொத்தான் தோன்றும். அதே செயல்பாட்டிலிருந்து தேர்ந்தெடுக்கப்பட்ட கோப்பின் உள்ளடக்கம், கோப்பு அல்லது கோப்புறையை மறுபெயரிட, புதிய கோப்புறையை உருவாக்க மற்றும் தேர்ந்தெடுக்கப்பட்ட கோப்பை நீக்க காட்டப்படலாம்.

பல நேரியல் பின்னடைவு என்பது ஒரு சக்திவாய்ந்த தரவு பகுப்பாய்வு கருவியாகும், ஆனால் அதை எச்சரிக்கையுடனும் அதன் வரம்புகளைப் புரிந்துகொண்டும் பயன்படுத்த வேண்டும்.
குறைபாடுகள்: மல்டிகோலினியாரிட்டிக்கு உணர்திறன் (சுயாதீன மாறிகளுக்கு இடையிலான வலுவான தொடர்பு). எப்போதும் நேரியல் அல்லாத உறவுகளைப் பிடிக்காது. கவனமாக சரிபார்ப்பு மற்றும் அனுமானங்களைச் சரிபார்த்தல் தேவை.