第十讲 线性回归分析(Regression)7.pdfVIP

Clementine 12.0Clementine 12.0 Regression NodeRegression Node 回归方法概论回归方法概论 回归使用一系列的现有数值来预测一个连续数 值的可能值 当研究的因果关系只涉及因变量和一个自变量 时，叫做一元回归分析 当研究的因果关系涉及因变量和两个或两个以 上自变量时，叫做多元回归分析 预测工作中常用的是一元线性回归和多元线性 回归模型 回归分析回归分析 回归分析 回归分析的方法是将所要研究的变量区分为因变量与 自变量，并根据有关理论建立因变量对自变量的函数 （模型），然后利用所获得的样本资料去估计模型中 的参数 自变量(Independent variable) 由数学方程式预测的变量。 因变量(Dependent variable) 据以预测因变量的值的变量。 回归分析回归分析 简单线性回归(Simple Linear Regression) 仅有一个自变量与一个因变量，且其关系大 致上可用一条直线表示。 复回归(Multiple Regression) 两个以上自变量的回归。 多变量回归(Multi-Variable Regression) 用多个自变量预测多个因变量，建立的回归 关系。 回归分析步骤回归分析步骤 建立回归方程建立回归方程 利用所得数据利用所得数据 估计回归方程估计回归方程 NN 诊断诊断 回归回归方程方程 YY 解释回归方程解释回归方程 用回归方程作预测用回归方程作预测 Linear Regression NodeLinear Regression Node 线性回归节点生成线性回归模型 该模型根据输入字段估计预测输出字段 的最佳线性方程 回归方程代表一条直线或者平面，其预 测值与真实输出值的离差最小 Linear Regression NodeLinear Regression Node--要求要求 只有数值型字段可用于回归模型 必须只有一个“Out ”字段和一个以上的“In ” 字段 字段方向为“Both”或“None ”以及非数值型 的字段将被忽略 Linear RegressionLinear Regression NodeNode--优点优点 回归模型相对简单，并为生成的预测给出易于 解释的数学方程 由于回归建模是一个比较成熟的统计方法，回 归模型的特点容易理解 回归模型训练起来非常快 线性回归节点模型选项线性回归节点模型选项 模型名称：指定要产生的模型模型名称：指定要产生的模型 的名称的名称 方法（方法（MethodMethod）：指定建立）：指定建立 回归模型的方法（回归模型的方法（EnterEnter，， StepwiseStepwise，，BackwardsBackwards，，