Regression (การทดแทน) คืออะไร?
Regression เป็นประเภทของ supervised machine learning approaches ที่ใช้ทำนาย attribute ที่มีค่าต่อเนื่อง (continuous-valued attribute) Regression ช่วยให้องค์กรธุรกิจสำรวจความสัมพันธ์ระหว่าง target variable และ predictor variable เป็นเครื่องมือสำคัญสำหรับ financial forecasting และ time series modeling
ข้อมูลสามารถทำให้ smooth ได้โดย fit ข้อมูลเข้า function เช่น regression Linear regression หา "best" line fit สอง attributes ให้ attribute หนึ่งทำนายอีกตัวได้ Multiple linear regression ขยายไปมากกว่าสอง attributes fit ข้อมูลใน multidimensional space
ใน linear regression ข้อมูลจำลอง fit เส้นตรง ตัวอย่าง: random variable y (response variable) จำลองเป็น linear function ของ random variable x (predictor variable) สมการ y = wx + b โดย variance ของ y สมมติคงที่
Regression problems จัดการ computation of output value จาก input values เมื่อใช้ classification input values คือค่าจาก database output values แทน classes Regression ใช้สำรวจ classification problems ได้ แต่ใช้ forecasting และหลายแอปพลิเคชัน โครงสร้างพื้นฐานคือ simple linear regression (หนึ่ง predictor, หนึ่ง prediction)
Regression ทำ Classification ได้สองวิธี:
- Division (การแบ่ง): ข้อมูลถูกแบ่งเป็น regions ตาม class
- Prediction (การทำนาย): สร้าง formulas ทำนายค่า output class
วิธีเหล่านี้ทำนายค่า response (dependent) variable จาก predictor (independent) variables หลายตัว โดยตัวแปรเป็น integer มีหลายรูปแบบของ regression: linear, multiple, weighted, polynomial, nonparametric, robust (robust techniques มีประโยชน์เมื่อ errors ไม่ปฏิบัติตาม normalcy conditions หรือข้อมูลมี significant outliers)
Regression ทำนาย dependent data sets ที่นิยามในรูป independent variables และ trend พร้อมใช้สำหรับช่วงเวลาที่กำหนด Regression ให้วิธีดีทำนายตัวแปร แต่มีข้อจำกัดและสมมติฐาน เช่น independence of variables, inherent normal distributions
แต่ละ regression tree leaf เก็บ continuous-valued prediction = average value ของ predicted attribute สำหรับ training tuples ที่ถึง leaf ในทางตรงข้าม model trees แต่ละ leaf ไปสู่ regression model และ multivariate continuous equation สำหรับ predicted attribute Regression และ model trees มักมีประสิทธิภาพกว่า linear regression เมื่อข้อมูลไม่ fit linear model 単純
