App Multiple Linear Regression

ivan gabrovski

Reklam içerir

Bu uygulama hakkında

Çoklu Doğrusal Regresyon, gözlemlenen verilere doğrusal bir denklem uydurarak bir bağımlı değişken ile iki veya daha fazla bağımsız değişken arasındaki ilişkiyi modellemek için kullanılan istatistiksel bir yöntemdir. Çoklu doğrusal regresyon, birkaç tahmin edicinin bir sonuç değişkenini aynı anda nasıl etkilediğini açıklar.
Çoklu doğrusal regresyonun ana bileşenleri:

- Bağımlı değişken (Y): Tahmin etmek istediğimiz değişkendir. Genellikle "hedef değişken" veya "yanıt" olarak da adlandırılır.

- Bağımsız değişkenler (X1, X2, ..., Xn): Bağımlı değişkeni tahmin etmek için kullandığımız değişkenlerdir. Genellikle "tahmin ediciler" veya "açıklayıcı değişkenler" olarak da adlandırılırlar.

- Regresyon modeli: Çoklu doğrusal regresyon denklemi aşağıdaki forma sahiptir:

Y = beta_0 + beta_01* X1 + beta_2*X2 + ... + beta_n* Xn burada:
Y bağımlı değişkendir. X1, X2, ..., Xn bağımsız değişkenlerdir.
beta_0 sabittir (kesişim noktası). beta_1, beta_2, ..., beta_n, ilgili bağımsız değişkenlerin bağımlı değişken üzerindeki etkisini gösteren regresyon katsayılarıdır.

Uygulama Alanları: - Ekonomi (gelir tahmini); - Sağlık (risk faktörü analizi); - Mühendislik; - Sosyal bilimler; - İşletme tahminleri.

Örnek: Ev fiyatının tahmini şu faktörlere dayanmaktadır: - Evin büyüklüğü; - Yatak odası sayısı; - Evin yaşı

Uygulamada her bir nesne Object_k (object_1, object_2 ... object_m), bağımsız değişkenler (Xki – özellikler, i = 1...n) ve bir bağımlı değişken (Yk - hedef) ile tanımlanır. Katsayıların (beta_0, beta_1, beta_2, ..., beta_n) en uygun değerlerini hesaplamak için sıradan en küçük kareler (OLS) gibi bir yöntem kullanılır. Hedef değer şu şekilde hesaplanır:

Y = beta_0 + beta_01* P1 + beta_2 *P2 + ... + beta_n* Pn
burada: P1, P2...Pn hedef değerin tahmin edicileridir.

Uygulama, çoklu regresyon modellerine ait verileri AppMultipleLinearRegression.db adlı SQLite türündeki veritabanına (DB) kaydeder. Regresyon modelleri isimleriyle ayırt edilir.
Uygulamanın (App Multiple Linear Regression Solver) başlangıç ​​ekranı, regresyon modellerinin örneklerinin bir listesini (döndürme listesinde) ve regresyon modellerinin örneklerini oluşturma (Yeni örnek), yükleme (Yükle), kaydetme (Kaydet), farklı kaydet (Farklı kaydet), hesaplama (Hesapla) ve silme (Sil) işlevlerini etkinleştirmek için düğmeleri görüntüler. Ana ekrandan, menü öğeleri aracılığıyla, dil seçimi, veritabanını kaydetme ve kopyalama, veritabanını örnek verilerle başlatma gibi işlevlere ve uygulama yardımı, ayarlar ve yazarların tüm uygulamalarının açıklamasını içeren web sitesine bağlantı gibi yardımcı işlevlere de erişebilirsiniz.
Oluşturma (Yeni örnek) işlevleri, yeni örnek verilerinin girildiği matris boyutunun girilmesi için bir iletişim kutusu içerir – satır sayısı (bu sayı, tahmin edilen veriler P1, P2...Pn için satırları içerir – son satır) ve sütun sayısı (bu sayı, bağımlı veriler Y1, Y2,...Yk için sütunları içerir – son sütun). Ardından, ilgili verileri girmek için bir tablo oluşturulur. Doldurulan tablo kaydedilmeden önce adlandırılmalıdır. Yükle işlevi tabloyu temizler.
Eski kaydedilmiş tablo, açılır listeden seçilerek gösterilebilir. Gösterilen tablo hesaplanabilir ve çözüm Uygulama sonuçları iletişim kutusunda görünür. Yazdır işlevi, bu iletişim kutusundan AppMultipleLinearRegressionSolver.txt dosyasına yazdırılabilir. Yazdırma etkinliği, dosyayı kaydetmek için seçilen klasörü içerir. Klasör seçildikten sonra kaydetme düğmesi görünür. Aynı etkinlikten seçilen dosyanın içeriği görüntülenebilir, dosya veya klasör yeniden adlandırılabilir, yeni klasör oluşturulabilir ve ayrıca seçilen dosya silinebilir.
Çoklu doğrusal regresyon güçlü bir veri analiz aracıdır, ancak dikkatli kullanılmalı ve sınırlamaları anlaşılmalıdır.
Dezavantajları: Çoklu doğrusallığa (bağımsız değişkenler arasında güçlü korelasyon) duyarlıdır. Doğrusal olmayan ilişkileri her zaman yakalayamaz. Varsayımların dikkatli bir şekilde doğrulanmasını ve kontrol edilmesini gerektirir.