Excel线性模型与预测.pdfVIP

Excel线性模型与预测 实验内容 • 预测的概念与基本步骤 • 线性回归问题预测 • 线性分类问题预测 第一部分：预测的概念与基本步骤 什么是预测？ 预测是通过对样本数据 （历史数据）的输入值和输出 值关联性的学习，得到预测模型，再利用该模型对总体 （未来）的输入值进行输出值预测。 样本数据 颜色 黑 黑 黑 白 白 自变量 因变量 硬度 5.0 5.1 4.9 2.1 1.9 水池（样本） 预测模型 关联性：颜色与硬度相关 水池（总体） 硬度大约为5 总体数据 自变量 ？ 水池（样本） 硬度大约为2 预测的基本步骤 Excel工具应用 实验重点掌握 ① 定义问题 ② 数据准备 √ ③ 浏览数据（可选） √ √ ④ 训练模型 √ √ ⑤ 验证模型 √ √ 第一步：定义问题 • 预测目标是什么？——因变量 • 与之相关的属性有哪些？—— 自变量 注意：自变量原则上是要发生在因变量之前。例如，预测一个人目 前的健康状况，不能以他上医院的频率作为属性。 • 如何用数据捕获自变量、因变量特点？ • 如何取样？如何设定测试集？ 第二步：数据准备（实验不要求） • 数据预处理 • 缺失值处理 • 逻辑分析 注意：如果选择的两组自变量具有高度的关联性（自相关），或 是可以由一个或多个自变量推出另一个自变量，也是不推荐的。例如， 如果把年龄作为自变量，不建议把出生年份同时也作为自变量。 第三步：浏览数据（可选） • 查看数据分布，依据提出的自变量查看预期结果 • 好处 可根据数据样本调整自变量，引入关键变量，剔除无关变量。 • 坏处： 过分依赖样本数据相关性，有可能引入无关变量导致伪相关，或剔 除关键变量。 （伪相关）你发现考试时间如果是在上午一二节，成绩明显比其他 课好。事实上，上午一二节一般是考英语，而你又擅长英语。 第四步：训练模型 • 依照一定的方法确定自变量与因变量的关系 • 线性回归、时间序列等 第五步：验证模型 • 验证模型vs. 训练模型—— 期末考试vs. 平时作业 • 确定模型评价指标（误差，精确度） • 计算指标值，分析训练模型能否适用于预测。 第二部分：线性回归问题预测 线性回归概念回顾 • （回归分析）用一个或一组变量的变化来估计与推算另 一个变量的变化。 • （线性回归）变量呈直线关系的一种特殊回归形式。 • 线性回归直线的形式为 = + ， 是因变量的值， 截距， 是自变量， 是对应的斜率。