|
线性回归是一种在统计学和社会科学中都使用的算法，用于定义因变量和自变量之间的线性关系。这种算法的目标是用给定的数据点确定一条可能的趋势线。在确定广告支出如何影响收入时，企业通常会使用线性回归。泊松回归是一种回归，其中始终假设预测变量服从泊松分布。泊松分布是一种概率函数，可以帮助确定给定数量的事件在特定的固定时间段内发生的概率。例如，您可以使用泊松回归来确定一个高中生班级在 24 小时内解决魔方的可能性有多大。或者，您可以根据餐厅一周内服务的平均用餐人数来预测餐厅在特定日期接待更多顾客的可能性。OLS 回归是最流行的回归算法之一，它以序数值作为输入来确定多个变量之间的线性关系。该算法在预测某项事物在任意范围内排名的可能性时最有用，例如在 1-10 范围内，一款游戏被评为 7 的可能性有多大。它经常用于社会科学，因为该领域的调查经常要求参与者按比例评估某些事物。OLS 回归也称为排序学习。套索回归采用 OLS 回归并在方程中添加一个惩罚项。这可以帮助您创建比简单 OLS 更复杂的数据表示。它还可以使表示更准确。套索回归也称为 L1 正则化。神经网络是目前最流行的 AI 和 ML 训练方法之一。顾名思义，它们受到人脑的启发，并且擅长处理对于更常见的机器学习方法来说太大而无法持续处理的数据集。神经网络是一种多功能工具，只要提供适当数量的先验数据来预测未来事件，就可以执行回归分析。例如，您可以向神经网络提供客户的网络活动数据和元数据，以确定客户不买任何东西就离开您的网站的可能性有多大。
|
|
