الانحدار يحلل العلاقات بين المتغيرات
الانحدار هو تقنية تعدين البيانات المستخدمة للتنبؤ بمجموعة من القيم الرقمية (تسمى أيضًا قيم مستمرة ) ، مع إعطاء مجموعة بيانات معينة. على سبيل المثال ، يمكن استخدام الانحدار للتنبؤ بتكلفة منتج أو خدمة ، مع الأخذ في الاعتبار المتغيرات الأخرى.
يستخدم الانحدار في العديد من الصناعات لتخطيط الأعمال والتسويق ، والتنبؤ المالي ، والنمذجة البيئية وتحليل الاتجاهات.
مقابل الانحدار تصنيف
الانحدار والتصنيف هما تقنيات استخلاص البيانات المستخدمة لحل مشكلات مماثلة ، ولكنهما غالباً ما يتم الخلط بينهما. ويستخدم كلاهما في تحليل التنبؤ ، ولكن يتم استخدام الانحدار للتنبؤ بقيمة رقمية أو مستمرة بينما يقوم التصنيف بتعيين البيانات في فئات منفصلة.
على سبيل المثال ، سيتم استخدام الانحدار للتنبؤ بقيمة المنزل استنادًا إلى موقعه ، والأقدام المربعة ، والسعر الذي تم بيعه في آخر مرة ، وسعر المنازل المشابهة ، وعوامل أخرى. سيكون التصنيف بالترتيب إذا أردت بدلاً من ذلك تنظيم المنازل في فئات ، مثل المشي ، حجم اللوت أو معدلات الجريمة.
أنواع تقنيات الانحدار
إن أبسط وأقدم شكل من أشكال الانحدار هو الانحدار الخطي المستخدم لتقدير العلاقة بين متغيرين. تستخدم هذه التقنية الصيغة الرياضية لخط مستقيم (y = mx + b). وبعبارة بسيطة ، يعني هذا ببساطة أنه ، وفقًا للرسم البياني الذي يحتوي على Y و X-axis ، فإن العلاقة بين X و Y هي خط مستقيم مع عدد قليل من القيم المتطرفة. على سبيل المثال ، قد نفترض أنه ، في ضوء الزيادة في عدد السكان ، سيزيد إنتاج الغذاء بنفس المعدل - وهذا يتطلب وجود علاقة خطية قوية بين الرقمين. لتصور ذلك ، فكر في رسم بياني يتزايد فيه المحور Y مع زيادة عدد السكان ، ويتتبع المحور X إنتاج الغذاء. كلما زادت قيمة Y ، زادت قيمة X بالسعر نفسه ، مما يجعل العلاقة بينهما خطًا مستقيمًا.
تتنبأ التقنيات المتقدمة ، مثل الانحدار المتعدد ، بعلاقة بين متغيرات متعددة - على سبيل المثال ، هل هناك علاقة بين الدخل والتعليم وبينما يختار المرء العيش؟ إضافة المزيد من المتغيرات يزيد بشكل كبير من تعقيد التنبؤ. هناك عدة أنواع من تقنيات الانحدار المتعدد بما في ذلك القياسية ، والتسلسل الهرمي ، والخطوة ، والخطوة ، كل منها مع تطبيق خاص بها.
في هذه المرحلة ، من المهم أن نفهم ما الذي نحاول التنبؤ به (المتغير التابع أو المتنبأ به ) والبيانات التي نستخدمها للتنبؤ (المتغيرات المستقلة أو المتوقعة). في مثالنا ، نريد التنبؤ بالموقع الذي يختار المرء أن يعيش فيه (المتغير المتنبأ به ) معطى الدخل والتعليم (كلا متغيري التنبؤ ).
- يعتبر الانحدار المتعدد القياسي جميع المتغيرات المتوقعة في نفس الوقت. على سبيل المثال 1) ما هي العلاقة بين الدخل والتعليم (المتنبئين) واختيار الحي (المتوقع) ؛ و 2) إلى أي درجة يساهم كل من المتنبئين الفرديين في هذه العلاقة؟
- تدريجيًا يجيب الانحدار المتعدد على سؤال مختلف تمامًا. تقوم خوارزمية الانحدار التدريجي بتحليل أي التنبؤات تستخدم بشكل أفضل للتنبؤ باختيار الجوار - مما يعني أن النموذج التدريجي يقيّم ترتيب أهمية متغيرات التوقع ثم يختار مجموعة فرعية ذات صلة. يستخدم هذا النوع من مشكلة الانحدار "خطوات" لتطوير معادلة الانحدار. بالنظر إلى هذا النوع من الانحدار ، قد لا تظهر جميع المتنبئات حتى في معادلة الانحدار النهائي.
- الانحدار الهرمي ، مثل الخطوة التدريجية ، هو عملية متسلسلة ، ولكن يتم إدخال المتغيرات المتوقعة في النموذج في ترتيب محدد مسبقًا مقدما ، أي أن الخوارزمية لا تحتوي على مجموعة مدمجة من المعادلات لتحديد الترتيب الذي دخول التنبئ. يتم استخدام هذا في الغالب عندما يكون لدى الشخص الذي يقوم بإنشاء معادلة الانحدار معرفة خبيرة في المجال.
- الانحدار الحاد هو أيضا مشابه للخطوة ولكن يحلل مجموعات من المتغيرات بدلا من المتغيرات الفردية.