线性回归预测
最小二乘回归法:用一条最佳拟合线将一组二变量数据拟合。通过将公式为y = a +bx的一条直线与一组数值相拟合,使得误差平方和最小,即使得实际数值与这些数值的估计值之间的差值最小。
误差平方和 (Sum of Squared Error) S S E = ∑ ( y − y ^ ) 2 SSE = \sum{\left(y-\hat y\right)}^2 SSE=∑(y−y^)2
y ^ \hat y y^:最佳拟合线得出的y的估计值
(SSE的计算可以联想到方差的计算,都有用到数值与直线距离的平方)
求最佳拟合线公式
b = ∑ ( ( x − x ‾ ) ( y − y ‾ ) ) ∑ ( x − x ‾ ) 2 = x ‾ × y ‾ − x y ‾ ( x ‾ 2 ) − x 2 ‾ b=\frac{\sum\left({\left(x-\overline x\right)\left(y-\overline y\right)}\right)}{\sum{\left(x-\overline x\right)^2}}=\frac{\overline x \times \overline y-\overline{xy}}{\left({\overline x}^2\right)-\overline{x^2}} b=