回归分析预测模型搭建_波士顿房价预测——回归分析案例（献给初学者）

作者｜Nature

出品｜AI机器思维

人类生活的现实社会经常遇到分类与预测的问题，目标变量可能受多个因素影响，根据相关系数可以判断影响因子的重要性。 正如一个病人得某种病是多种因素影响造成的。 房价的高低也是受多个因素影响的，如房子所处的城市是一线还是二线，房子周边交通方便程度如通不通地铁，房子周边学校和医院等，这些都影响了房子的价格。 医学领域根据自变量以及某个阈值判断病因归属。 生物领域根据父辈的基因经过回归分析判断对子辈的影响。 今天给大家通过案例讲讲回归分析，回归分析在经济、社会学、医学、生物学等领域得到了广泛的应用，这种技术最早可以追溯到达尔文(Charles Darwin)时期。 达尔文的表弟Francis Galton致力于研究父代豌豆种子尺寸对子代豌豆尺寸的影响，采用了回归分析。 回归分析对人体健康研究也可以重要，病因分析。 19世纪高斯系统地提出最小二乘估计，从而使回归分析得到蓬勃发展。 目前 回归分析的研究范围可以分为如下几个部分组成： 线性回归： 一元线性回归、多元线性回归和多个因变量与多个自变量的回归。 回归诊断： 通过数据推断回归模型基本假设的合理性、基本假设不成立时对数据的修正、回归方程拟合效果的判断以及回归函数形式的选择。 回归变量的选择： 根据什么标准选择自变量和逐步回归分析方法。 参数估计方法： 偏最小二乘回归、主成分回归和岭回归。 非线性回归： 一元非线性回归、分段回归和多元非线性回归。 定性变量的回归： 因变量含有定性变量和自变量含有定性变量。 现实中常用的回归分析是