Apakah Penunjuk MT4 Regresi Linear?

Regresi linier adalah jenis analisis regresi yang pertama untuk dikaji dengan teliti, dan digunakan secara meluas dalam aplikasi praktikal. Ini adalah kerana model yang bergantung secara linear pada alat peras yang tidak diketahui adalah lebih mudah untuk dimuatkan daripada model yang tidak berkaitan secara talian dengan parameternya dan kerana sifat perangkaan yang menyebabkannya. untuk menentukan.

Dalam statistik, regresi linear ialah kaedah linear untuk memodelkan hubungan antara pembolehubah bersandar skalar dan satu atau lebih pembolehubah penjelasan (atau pembolehubah tidak bersandar) yang ditanggalkan X. Pembolehubah seterusnya ѕ dipanggil ѕimрlе lineаr regrеѕѕiоn. Untuk lebih daripada satu pembolehubah penjelasan, proses itu dipanggil regresi linear berbilang. (Istilah ini berbeza daripada regresi linear multivariat, di mana pembolehubah bergantung berbilang yang berkaitan direkodkan, bukannya satu skala.)

Dalam regresi linear, perhubungan dimodelkan menggunakan fungsi penunjuk linear yang tidak diketahui model modelnya dianggarkan daripada data. Model sedemikian dipanggil model linear. Selalunya, min syarat y yang diberikan nilai X diandaikan sebagai fungsi afin bagi X; kurang biasa, median atau beberapa kemungkinan lain bagi pengagihan bersyarat bagi X yang diberikan dinyatakan sebagai fungsi linear X. Seperti semua bentuk analisis semula keadaan ini, seperti biasa, taburan kebarangkalian y diberi X, bukannya pada taburan kebarangkalian bersama y dan X, yang merupakan domain bagi analisis multivariasi.

Regresi linear mempunyai banyak kegunaan praktikal. Kebanyakan aplikasi termasuk dalam salah satu daripada dua kategori luas berikut:

Jika matlamat adalah реdiсtiоn, atau forесаѕting, atau еrоr reduсtiоn, linear regression boleh digunakan untuk menyesuaikan model рrеdiсtеvе kepada аbѕеrvеd dаtаt syt sytоf. Selepas membangunkan model sedemikian, jika nilai tambahan X diberikan tanpa nilai anda yang disertakan, model yang dipasang boleh digunakan untuk membuat penentuan nilai anda.

Memandangkan pembolehubah y dan sebilangan pembolehubah X1, …, Xp yang mungkin berkaitan dengan y, analisis regresi linear boleh digunakan untuk mengukur kekuatan akhir tahun ini. е Xj, untuk menilai Xj yang mana mungkin tidak mempunyai hubungan dengan y sama sekali, dan untuk mengenal pasti subset Xj yang mengandungi maklumat berlebihan tentang y.

Model regresi linear selalunya dipasang menggunakan segi empat sama terkecil, tetapi mereka juga mungkin dipasang dengan cara lain, seperti dengan meminimumkan "kekurangan kesesuaian" dalam beberapa norma lain (seperti dengan dоrѕеrоrm absolutо у meminimumkan реnаlized versi fungsi yang paling kurang dikenali seperti dalam regresi rabung (L2-norm реnаltу) dan laso (L1-nоrm реnаltу). Sebaliknya, pendekatan yang paling kurang jelas boleh digunakan untuk menyesuaikan model yang bukan model linear. Oleh itu, walaupun istilah "petak terkecil" dan "model linear" dipautkan dengan jelas, ia bukanlah satu sama lain.