ਰੀਗਰੇਸ਼ਨ ਅਸੈਸਬਿਲਟੀਜ਼ ਦੇ ਵਿਚਕਾਰ ਸਬੰਧਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹੈ
ਰੈਗਰੈਸ਼ਨ ਇੱਕ ਡਾਟਾ ਮਾਈਨਿੰਗ ਤਕਨੀਕ ਹੈ ਜੋ ਕਿਸੇ ਖਾਸ ਡਾਟਾ ਸਟਾਫ ਨੂੰ ਅੰਕਾਂ ਦੇ ਅੰਕਾਂ ਦੀ ਪੂਰਤੀ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ (ਜਿਸ ਨੂੰ ਲਗਾਤਾਰ ਵਕਹਾ ਵੀ ਕਿਹਾ ਜਾਂਦਾ ਹੈ ). ਉਦਾਹਰਣ ਲਈ, ਰਿਗਰੈਸ਼ਨ ਨੂੰ ਕਿਸੇ ਹੋਰ ਉਤਪਾਦ ਜਾਂ ਸੇਵਾ ਦੀ ਕੀਮਤ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਲਈ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ
ਰੈਗਰੇਸ਼ਨ ਦਾ ਕਾਰੋਬਾਰਾਂ ਅਤੇ ਮਾਰਕੀਟਿੰਗ ਯੋਜਨਾਬੰਦੀ, ਵਿੱਤੀ ਅਨੁਮਾਨ, ਵਾਤਾਵਰਣ ਪ੍ਰਣਾਲੀ ਅਤੇ ਰੁਝਾਨਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਕਈ ਉਦਯੋਗਾਂ ਵਿੱਚ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ.
ਰੈਗਰੇਸ਼ਨ ਵਿਜ਼. ਵਰਗੀਕਰਨ
ਰੈਗਰੇਸ਼ਨ ਅਤੇ ਵਰਗੀਕਰਨ ਡੇਟਾ ਮਾਈਨਿੰਗ ਤਕਨੀਕ ਦੀ ਸਮਾਨ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਵਰਤਿਆ, ਪਰ ਉਹ ਅਕਸਰ ਉਲਝਣ ਰਹੇ ਹਨ. ਦੋਵਾਂ ਨੂੰ ਪੂਰਵ-ਅਨੁਮਾਨ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿਚ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ, ਪਰ ਰਿਗਰੈਸ਼ਨ ਨੂੰ ਅੰਕੀ ਜਾਂ ਨਿਰੰਤਰ ਮੁੱਲ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ ਜਦੋਂ ਕਿ ਵਰਗੀਕਰਣ ਵੱਖਰੀ ਵਰਗ ਵਿਚ ਡਾਟਾ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ.
ਉਦਾਹਰਨ ਲਈ, ਰਿਗਰੈਸ਼ਨ ਦੀ ਵਰਤੋਂ ਉਸ ਦੇ ਸਥਾਨ, ਵਰਗ ਫੁੱਟ, ਆਖਰੀ ਵਾਰ ਵੇਚਣ ਤੇ ਕੀਮਤ, ਸਮਾਨ ਘਰਾਂ ਦੀ ਕੀਮਤ, ਅਤੇ ਹੋਰ ਕਾਰਕ ਦੇ ਅਧਾਰ ਤੇ ਘਰ ਦੀ ਕੀਮਤ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਲਈ ਕੀਤੀ ਜਾਏਗੀ. ਵਰਗੀਕਰਨ ਕ੍ਰਮ ਵਿੱਚ ਹੋਵੇਗੀ ਜੇਕਰ ਤੁਸੀਂ ਘਰ ਨੂੰ ਸ਼੍ਰੇਣੀਆਂ ਵਿੱਚ ਵੰਡਣਾ ਚਾਹੁੰਦੇ ਹੋ, ਜਿਵੇਂ ਕਿ ਤੁਰਨਯੋਗਤਾ, ਲਾਟ ਸਾਈਜ਼ ਜਾਂ ਅਪਰਾਧ ਦੀਆਂ ਦਰਾਂ
ਰੈਗਰੈਸ਼ਨ ਤਕਨੀਕਾਂ ਦੀਆਂ ਕਿਸਮਾਂ
ਰਿਪਰੈਸ਼ਨ ਦਾ ਸਰਲ ਅਤੇ ਸਭ ਤੋਂ ਪੁਰਾਣਾ ਰੂਪ ਦੋ ਵੇਰੀਏਬਲ ਵਿਚਕਾਰ ਰਿਸ਼ਤਾ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਲਈ ਵਰਤਿਆ ਗਿਆ ਰੇਖਿਕ ਰਿਗਰੈਸ਼ਨ ਹੈ. ਇਹ ਤਕਨੀਕ ਇੱਕ ਸਿੱਧੀ ਲਾਈਨ (y = mx + b) ਦੇ ਗਣਿਤ ਦੇ ਫਾਰਮੂਲਾ ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ. ਸਾਧਾਰਣ ਰੂਪ ਵਿੱਚ, ਇਸਦਾ ਸਿੱਧਾ ਅਰਥ ਹੈ ਕਿ, ਇੱਕ ਵਾਈਸ ਅਤੇ ਇੱਕ ਐਕਸ-ਧੁਰਾ ਦੇ ਨਾਲ ਇੱਕ ਗ੍ਰਾਫ ਦਿੱਤਾ ਗਿਆ ਹੈ, X ਅਤੇ Y ਦੇ ਵਿਚਕਾਰ ਸਬੰਧ ਕੁਝ ਸੁੱਰਖਿਆ ਦੇ ਨਾਲ ਸਿੱਧੀ ਲਾਈਨ ਹੈ. ਮਿਸਾਲ ਦੇ ਤੌਰ ਤੇ, ਅਸੀਂ ਸਮਝ ਸਕਦੇ ਹਾਂ ਕਿ ਆਬਾਦੀ ਵਿਚ ਵਾਧੇ ਦੇ ਕਾਰਨ, ਖਾਣੇ ਦੇ ਉਤਪਾਦਨ ਵਿਚ ਇਕੋ ਦਰਾਂ ਵਧਣਗੀਆਂ - ਇਸ ਲਈ ਇਨ੍ਹਾਂ ਦੋਹਾਂ ਅੰਕਾਂ ਦੇ ਵਿਚਕਾਰ ਇਕ ਮਜ਼ਬੂਤ, ਰੇਖਿਕ ਰਿਸ਼ਤੇ ਦੀ ਲੋੜ ਹੈ. ਇਸ ਦੀ ਕਲਪਨਾ ਕਰਨ ਲਈ, ਇੱਕ ਗ੍ਰਾਫ ਤੇ ਵਿਚਾਰ ਕਰੋ ਜਿਸ ਵਿੱਚ Y- ਧੁਰਾ ਆਬਾਦੀ ਵਾਧਾ ਵਧਾਉਂਦੇ ਹਨ, ਅਤੇ X- ਧੁਰਾ ਖੁਰਾਕ ਉਤਪਾਦਨ ਨੂੰ ਟਰੈਕ ਕਰਦਾ ਹੈ. ਜਿਵੇਂ ਕਿ Y ਵੈਲਯੂ ਵਧਦੀ ਹੈ, ਐਕਸ ਵੈਲਯੂ ਉਸੇ ਰੇਟ ਤੇ ਵੱਧ ਜਾਂਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਉਨ੍ਹਾਂ ਦਾ ਸਿੱਧਾ ਲਾਈਨ ਬਣ ਜਾਂਦਾ ਹੈ.
ਤਕਨੀਕੀ ਤਕਨੀਕ, ਜਿਵੇਂ ਕਿ ਕਈ ਰਿਗਰੈਸ਼ਨ, ਕਈ ਵੇਰੀਏਬਲ ਵਿਚਕਾਰ ਸੰਬੰਧਾਂ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਂਦੇ ਹਨ- ਉਦਾਹਰਣ ਵਜੋਂ, ਆਮਦਨ, ਸਿੱਖਿਆ ਅਤੇ ਕਿੱਥੇ ਰਹਿਣ ਦੀ ਚੋਣ ਕਰਦਾ ਹੈ? ਹੋਰ ਵੇਰੀਏਬਲਾਂ ਦੇ ਜੋੜਾਂ ਨੇ ਭਵਿੱਖਬਾਣੀ ਦੀ ਗੁੰਝਲਤਾ ਨੂੰ ਵਧਾ ਦਿੱਤਾ ਹੈ. ਕਈ ਪ੍ਰਕਾਰ ਦੀਆਂ ਮਲਟੀਪਲ ਰਿਗਰੈਸ਼ਨ ਤਕਨੀਕੀਆਂ ਹਨ ਜਿਨ੍ਹਾਂ ਵਿਚ ਮਿਆਰੀ, ਦਰਜਾਬੰਦੀ, ਸੈੱਟਵਾਈ ਅਤੇ ਪਥੱਰਤ ਸ਼ਾਮਲ ਹਨ, ਹਰ ਇੱਕ ਆਪਣੀ ਖੁਦ ਦੀ ਐਪਲੀਕੇਸ਼ਨ ਨਾਲ.
ਇਸ ਸਮੇਂ, ਇਹ ਸਮਝਣਾ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿ ਅਸੀਂ ਕੀ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੇ ਹਾਂ (ਨਿਰਭਰ ਜਾਂ ਅਨੁਮਾਨਿਤ ਵੇਰੀਏਬਲ) ਅਤੇ ਅਸੀਂ ਭਵਿੱਖਬਾਣੀ (ਸੁਤੰਤਰ ਜਾਂ ਪੂਰਵ ਸੂਚਕ ਚਿੰਨ੍ਹ) ਬਣਾਉਣ ਲਈ ਵਰਤ ਰਹੇ ਹਾਂ. ਸਾਡੇ ਉਦਾਹਰਨ ਵਿੱਚ, ਅਸੀਂ ਉਸ ਸਥਿਤੀ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣਾ ਚਾਹੁੰਦੇ ਹਾਂ ਜਿੱਥੇ ਇੱਕ ਵਿਅਕਤੀ ਦੀ ਆਮਦਨੀ ਅਤੇ ਸਿੱਖਿਆ ( ਭਵਿੱਖਬਾਣੀ ਦੇ ਦੋਵੇ ਪਰਿਵਰਤਨ) ਨੂੰ ਰਹਿਣ ਲਈ ਚੁਣ ਲਿਆ ਗਿਆ ਹੈ.
- ਸਟੈਂਡਰਡ ਕਈ ਰਿਗਰੈਸ਼ਨ ਇੱਕ ਹੀ ਸਮੇਂ ਤੇ ਸਾਰੇ ਪਰਿਡੀਕ ਵੇਅਰਬਲ ਸਮਝਦਾ ਹੈ. ਉਦਾਹਰਨ ਲਈ 1) ਆਮਦਨ ਅਤੇ ਸਿੱਖਿਆ (ਪੂਰਵਕਤਾ) ਅਤੇ ਆਂਢ-ਗੁਆਂਢ ਦੀ ਚੋਣ (ਅਨੁਮਾਨਿਤ) ਵਿਚਕਾਰ ਸੰਬੰਧ ਕੀ ਹੈ? ਅਤੇ 2) ਹਰੇਕ ਰਿਸ਼ਤੇਦਾਰ ਨੂੰ ਕਿਹੜਾ ਦਰਜਾ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ?
- ਸਟੀਵ ਵੇਰੀਜ਼ ਮਲਟੀਪਲ ਰਿਗਰੈਸ਼ਨ ਇੱਕ ਪੂਰੀ ਤਰ੍ਹਾਂ ਵੱਖਰੇ ਸਵਾਲ ਦਾ ਜਵਾਬ ਦਿੰਦਾ ਹੈ. ਇੱਕ ਪਾਈਪਅਏਰ ਰੀਗਰੈਸ਼ਨ ਐਲਗੋਰਿਥਮ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰੇਗਾ ਕਿ ਕਿਹੜੇ ਪੂਰਵ ਸੂਚਕ ਨੂੰ ਅਗਾਊਂ ਦੇ ਵਿਕਲਪ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਵਰਤਦਾ ਹੈ - ਮਤਲਬ ਕਿ ਕਦੋਂ ਉਪੱਰ ਮਾਡਲ ਪਰਿਤਰੈਕਟਰ ਵੇਅਰਾਂ ਦੇ ਮਹੱਤਵ ਦੇ ਕ੍ਰਮ ਦਾ ਮੁਲਾਂਕਣ ਕਰਦਾ ਹੈ ਅਤੇ ਫਿਰ ਇੱਕ ਸੰਬੰਧਤ ਸਬਸੈੱਟ ਦੀ ਚੋਣ ਕਰਦਾ ਹੈ. ਇਸ ਕਿਸਮ ਦੀ ਰਿਗਰੈਸ਼ਨ ਸਮੱਸਿਆਵਾਂ ਰਿਗਰੈਸ਼ਨ ਸਮੀਕਰਨ ਨੂੰ ਵਿਕਸਤ ਕਰਨ ਲਈ "ਕਦਮ" ਦੀ ਵਰਤੋਂ ਕਰਦੀਆਂ ਹਨ. ਇਸ ਕਿਸਮ ਦੇ ਰਿਗਰੈਸ਼ਨ ਦੇ ਮੱਦੇਨਜ਼ਰ, ਸਾਰੇ ਪੂਰਵ ਸੂਚਕ ਅੰਤਿਮ ਰਿਪਰੈਸ਼ਨ ਸਮੀਕਰਨ ਵਿੱਚ ਵੀ ਨਹੀਂ ਆ ਸਕਦੇ ਹਨ.
- ਹਾਇਰਾਰਕਟਿਕਲ ਰਿਗਰੈਸ਼ਨ , ਜਿਵੇਂ ਕਿ ਪੈਦਾਇਵ ਦੀ ਤਰਤੀਬ, ਇੱਕ ਕ੍ਰਮਵਾਰ ਪ੍ਰਕਿਰਿਆ ਹੈ, ਪਰ ਪੂਰਵ ਸੂਚਕ ਵੇਲਬਲ ਪਹਿਲਾਂ ਤੋਂ ਪ੍ਰਭਾਸ਼ਿਤ ਇੱਕ ਪੂਰਵ-ਨਿਰਧਾਰਤ ਆਦੇਸ਼ ਵਿੱਚ ਮਾਡਲ ਵਿੱਚ ਦਾਖਲ ਹੋ ਜਾਂਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ ਐਲਗੋਰਿਥਮ ਵਿੱਚ ਆਦੇਸ਼ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਇੱਕ ਬਿਲਟ-ਇਨ ਸਮੂਹ ਨਹੀਂ ਹੁੰਦਾ ਪੂਰਵ ਸੂਚਕ ਭਰੋ. ਇਹ ਅਕਸਰ ਜ਼ਿਆਦਾ ਵਾਰ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ ਜਦੋਂ ਰਿਪਰੈਸ਼ਨ ਸਮੀਕਰਨ ਦਾ ਵਿਅਕਤੀਗਤ ਵਿਅਕਤੀ ਖੇਤਰ ਦੇ ਮਾਹਿਰਾਂ ਦਾ ਗਿਆਨ ਹੁੰਦਾ ਹੈ.
- ਸੈੱਟਿਓਰ ਰੈਗਰੈਸ਼ਨ ਪੈਰਾ- ਵਿਧੀ ਦੇ ਸਮਾਨ ਹੈ ਪਰ ਵਿਅਕਤੀਗਤ ਵੇਅਬਲ ਦੀ ਬਜਾਏ ਵੇਰੀਏਬਲ ਦੇ ਸੈੱਟਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹੈ.