很可惜 T 。T 您現(xiàn)在還不是作者身份，不能自主發(fā)稿哦～
如有投稿需求，請把文章發(fā)送到郵箱tougao@appcpx.com，一經(jīng)錄用會有專人和您聯(lián)系
咨詢?nèi)绾纬蔀榇河鹱髡哒埪?lián)系：鳥哥筆記小羽毛（ngbjxym）
寫在前面：
很多同學目前所做的業(yè)務分析工作，徒手分析即可cover業(yè)務需求，較少用到一些高階的統(tǒng)計模型和機器學習上面的東西。漸漸的便會產(chǎn)生一種感覺，即數(shù)據(jù)分析滿足業(yè)務需求即可，不需要會機器學習。
但我認為：
1、目前的工作不需要，不代表之后的工作不需要，我們應該著眼于我們整個數(shù)據(jù)分析生涯 ；
2、掌握一些模型可以高效做一些定量分析，較徒手分析效率更高，更準 ；
3、我們覺得一些東西沒用，很可能是因為我們還沒有發(fā)現(xiàn)如何去用 ；
4、我們對自己的要求不應該止于滿足業(yè)務需求，一些探索性專題非常依賴于機器學習 ；
基于以上，我嘗試開始更新一些機器學習方面的文章，從較基礎的線性回歸、決策樹等開始，希望大家可以跟著小洛一起學習，有疑問大家可以隨時在交流群提～
線性回歸是利用線性的方法，模擬因變量與一個或多個自變量之間的關系。對于模型而言，自變量是輸入值，因變量是模型基于自變量的輸出值，適用于x和y滿足線性關系的數(shù)據(jù)類型的應用場景。
線性回歸應用于數(shù)據(jù)分析的場景主要有兩種：
驅(qū)動力分析：某個因變量指標受多個因素所影響，分析不同因素對因變量驅(qū)動力的強弱（驅(qū)動力指相關性，不是因果性）；
預測：自變量與因變量呈線性關系的預測；
例如要衡量不同的用戶特征對滿意分數(shù)的影響程度，轉(zhuǎn)換成線性模型的結(jié)果可能就是：分數(shù)=-2.1+0.56*年齡
線性回歸模型分為一元線性回歸與多元線性回歸：區(qū)別在于自變量的個數(shù)
我們知道了模型的公式，那么模型的系數(shù)是如何得來呢？我們用最小二乘法來確定模型的系數(shù)。最小二乘法，它通過最小化誤差的平方和尋找數(shù)據(jù)的最佳函數(shù)匹配，利用最小二乘法可以求得一條直線，并且使得擬合數(shù)據(jù)與實際數(shù)據(jù)之間誤差的平方和為最小。
將上述模型公式簡化成一個四個點的線性回歸模型來具體看：分數(shù)=-2.1+0.56*年齡
最小二乘法選取能使模型最小化的直線，生成直線后即可得出模型自變量的系數(shù)和截距。
R方也叫決定系數(shù)，它的主要作用是衡量數(shù)據(jù)中的因變量有多準確可以被某一模型所計算解釋。公式：
離差平方和：代表因變量的波動，即因變量實際值與其平均值之間的差值平方和
誤差平方和：代表因變量實際值與模型擬合值之間的誤差大小
故R方可以解釋因變量波動中，被模型擬合的百分比，即R方可以衡量模型擬合數(shù)據(jù)的好壞程度；R方的取值范圍<=1，R方越大，模型對數(shù)據(jù)的擬合程度越好；
使用不同模型擬合自變量與因變量之間關系的R方舉例，
R方=1 模型完美的擬合數(shù)據(jù)(100%)
R方=0.91 模型在一定程度較好的擬合數(shù)據(jù)(91%)
R方<0 擬合直線的趨勢與真實因變量相反
一般的R方會存在一些問題，即把任意新的自變量加入到線性模型中，都可能會提升R方的值，模型會因加入無價值的變量導致R方提升，對最終結(jié)果產(chǎn)生誤導。
故在建立多元線性回歸模型時，我們把R方稍稍做一些調(diào)整，引進數(shù)據(jù)量、自變量個數(shù)這兩個條件，輔助調(diào)整R方的取值，我們把它叫調(diào)整R方，調(diào)整R方值會因為自變量個數(shù)的增加而降低(懲罰)，會因為新自變量帶來的有價值信息而增加(獎勵)；可以幫助我們篩選出更多有價值的新自變量。
n：數(shù)據(jù)量大?。ㄐ袛?shù)）->數(shù)據(jù)量越大，新自變量加入所影響越??；
p：自變量個數(shù)->自變量個數(shù)增加，調(diào)整R方變小，對這個量進行懲罰；
一句話，調(diào)整R方不會因為模型新增無價值變量而提升，而R方會因為模型新增無價值變量而提升！通過觀測調(diào)整R方可以在后續(xù)建模中去重多重共線性的干擾，幫助我們選擇最優(yōu)自變量組合。
<0.3->非常弱的模型擬合
0.3-0.5->弱的模型擬合
0.5-0.7->適度的模型擬合
>0.7->較好的模型擬合
我們以共享單車服務滿意分數(shù)據(jù)為案例進行模型實戰(zhàn)，想要去分析不同的特征對滿意分的影響程度，模型過程如下：
多重共線性：就是在線性回歸模型中，存在一對以上強相關變量，多重共線性的存在，會誤導強相關變量的系數(shù)值。
強相關變量：如果兩個變量互為強相關變量，當一個變量變化時，與之相應的另一個變量增大/減少的可能性非常大。
當我們加入一個年齡強相關的自變量車齡時，通過最小二乘法所計算得到的各變量系數(shù)如下，多重共線性影響了自變量車齡、年齡的線性系數(shù)。
這時候，可以使用VIF消除多重共線性：VIF=1/(1-R方)，R方是拿其他自變量去線性擬合此數(shù)值變量y得到的線性回歸模型的決定系數(shù)。某個自變量造成強多重共線性判斷標準通常是：VIF>10
我們發(fā)現(xiàn)，年齡的VIF遠大于10，故去除年齡這一變量，去除后重新計算剩余變量VIF發(fā)現(xiàn)所有均<10，即可繼續(xù)。
我們希望不同自變量的線性系數(shù)，相互之間有可比性，不受它們?nèi)≈捣秶绊?/p>
共享單車分數(shù)案例，因變量是分數(shù)，自變量是年齡、組別、城區(qū)，線性回歸的結(jié)果為：分數(shù) = 5.5 + 2.7 * 年齡 +0.48 * 對照組 + 0.04 * 朝陽區(qū) + 0.64 * 海淀區(qū) + 0.19 * 西城區(qū)
最終產(chǎn)出不同用戶特征對用戶調(diào)研分數(shù)的驅(qū)動性排名。驅(qū)動力分數(shù)反應各個變量代表因素，對目標變量分數(shù)的驅(qū)動力強弱，驅(qū)動力分數(shù)絕對值越大，目標變量對因素的影響力越大，反之越小，驅(qū)動力分數(shù)為負時，表明此因素對目標變量的影響為負向。
至此，回歸模型已經(jīng)建好，預測就不寫了，把要預測的數(shù)據(jù)x自變量導入模型即可預測y。
相信大家讀完這篇文章，對線性回歸模型已經(jīng)有了一些了解，大家快快動起手來把模型應用到自己的實際工作中吧！
-END-
本文為作者獨立觀點，不代表鳥哥筆記立場，未經(jīng)允許不得轉(zhuǎn)載。
《鳥哥筆記版權(quán)及免責申明》 如對文章、圖片、字體等版權(quán)有疑問，請點擊 反饋舉報
我們致力于提供一個高質(zhì)量內(nèi)容的交流平臺。為落實國家互聯(lián)網(wǎng)信息辦公室“依法管網(wǎng)、依法辦網(wǎng)、依法上網(wǎng)”的要求，為完善跟帖評論自律管理，為了保護用戶創(chuàng)造的內(nèi)容、維護開放、真實、專業(yè)的平臺氛圍，我們團隊將依據(jù)本公約中的條款對注冊用戶和發(fā)布在本平臺的內(nèi)容進行管理。平臺鼓勵用戶創(chuàng)作、發(fā)布優(yōu)質(zhì)內(nèi)容，同時也將采取必要措施管理違法、侵權(quán)或有其他不良影響的網(wǎng)絡信息。
一、根據(jù)《網(wǎng)絡信息內(nèi)容生態(tài)治理規(guī)定》《中華人民共和國未成年人保護法》等法律法規(guī)，對以下違法、不良信息或存在危害的行為進行處理。
1. 違反法律法規(guī)的信息，主要表現(xiàn)為：
1)反對憲法所確定的基本原則；
2)危害國家安全，泄露國家秘密，顛覆國家政權(quán)，破壞國家統(tǒng)一，損害國家榮譽和利益；
3)侮辱、濫用英烈形象，歪曲、丑化、褻瀆、否定英雄烈士事跡和精神，以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽、榮譽；
4)宣揚恐怖主義、極端主義或者煽動實施恐怖活動、極端主義活動；
5)煽動民族仇恨、民族歧視，破壞民族團結(jié)；
6)破壞國家宗教政策，宣揚邪教和封建迷信；
7)散布謠言，擾亂社會秩序，破壞社會穩(wěn)定；
8)宣揚淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪；
9)煽動非法集會、結(jié)社、游行、示威、聚眾擾亂社會秩序；
10)侮辱或者誹謗他人，侵害他人名譽、隱私和其他合法權(quán)益；
11)通過網(wǎng)絡以文字、圖片、音視頻等形式，對未成年人實施侮辱、誹謗、威脅或者惡意損害未成年人形象進行網(wǎng)絡欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法規(guī)禁止的其他內(nèi)容；
2. 不友善：不尊重用戶及其所貢獻內(nèi)容的信息或行為。主要表現(xiàn)為：
1)輕蔑：貶低、輕視他人及其勞動成果；
2)誹謗：捏造、散布虛假事實，損害他人名譽；
3)嘲諷：以比喻、夸張、侮辱性的手法對他人或其行為進行揭露或描述，以此來激怒他人；
4)挑釁：以不友好的方式激怒他人，意圖使對方對自己的言論作出回應，蓄意制造事端；
5)羞辱：貶低他人的能力、行為、生理或身份特征，讓對方難堪；
6)謾罵：以不文明的語言對他人進行負面評價；
7)歧視：煽動人群歧視、地域歧視等，針對他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類的攻擊；
8)威脅：許諾以不良的后果來迫使他人服從自己的意志；
3. 發(fā)布垃圾廣告信息：以推廣曝光為目的，發(fā)布影響用戶體驗、擾亂本網(wǎng)站秩序的內(nèi)容，或進行相關行為。主要表現(xiàn)為：
1)多次發(fā)布包含售賣產(chǎn)品、提供服務、宣傳推廣內(nèi)容的垃圾廣告。包括但不限于以下幾種形式：
2)單個帳號多次發(fā)布包含垃圾廣告的內(nèi)容；
3)多個廣告帳號互相配合發(fā)布、傳播包含垃圾廣告的內(nèi)容；
4)多次發(fā)布包含欺騙性外鏈的內(nèi)容，如未注明的淘寶客鏈接、跳轉(zhuǎn)網(wǎng)站等，誘騙用戶點擊鏈接
5)發(fā)布大量包含推廣鏈接、產(chǎn)品、品牌等內(nèi)容獲取搜索引擎中的不正當曝光；
6)購買或出售帳號之間虛假地互動，發(fā)布干擾網(wǎng)站秩序的推廣內(nèi)容及相關交易。
7)發(fā)布包含欺騙性的惡意營銷內(nèi)容，如通過偽造經(jīng)歷、冒充他人等方式進行惡意營銷；
8)使用特殊符號、圖片等方式規(guī)避垃圾廣告內(nèi)容審核的廣告內(nèi)容。
4. 色情低俗信息，主要表現(xiàn)為：
1)包含自己或他人性經(jīng)驗的細節(jié)描述或露骨的感受描述；
2)涉及色情段子、兩性笑話的低俗內(nèi)容；
3)配圖、頭圖中包含庸俗或挑逗性圖片的內(nèi)容；
4)帶有性暗示、性挑逗等易使人產(chǎn)生性聯(lián)想；
5)展現(xiàn)血腥、驚悚、殘忍等致人身心不適；
6)炒作緋聞、丑聞、劣跡等；
7)宣揚低俗、庸俗、媚俗內(nèi)容。
5. 不實信息，主要表現(xiàn)為：
1)可能存在事實性錯誤或者造謠等內(nèi)容；
2)存在事實夸大、偽造虛假經(jīng)歷等誤導他人的內(nèi)容；
3)偽造身份、冒充他人，通過頭像、用戶名等個人信息暗示自己具有特定身份，或與特定機構(gòu)或個人存在關聯(lián)。
6. 傳播封建迷信，主要表現(xiàn)為：
1)找人算命、測字、占卜、解夢、化解厄運、使用迷信方式治??；
2)求推薦算命看相大師；
3)針對具體風水等問題進行求助或咨詢；
4)問自己或他人的八字、六爻、星盤、手相、面相、五行缺失，包括通過占卜方法問婚姻、前程、運勢，東西寵物丟了能不能找回、取名改名等；
7. 文章標題黨，主要表現(xiàn)為：
1)以各種夸張、獵奇、不合常理的表現(xiàn)手法等行為來誘導用戶；
2)內(nèi)容與標題之間存在嚴重不實或者原意扭曲；
3)使用夸張標題，內(nèi)容與標題嚴重不符的。
8.「飯圈」亂象行為，主要表現(xiàn)為：
1)誘導未成年人應援集資、高額消費、投票打榜
2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
3)鼓動「飯圈」粉絲攀比炫富、奢靡享樂等行為
4)以號召粉絲、雇用網(wǎng)絡水軍、「養(yǎng)號」形式刷量控評等行為
5)通過「蹭熱點」、制造話題等形式干擾輿論，影響傳播秩序
9. 其他危害行為或內(nèi)容，主要表現(xiàn)為：
1)可能引發(fā)未成年人模仿不安全行為和違反社會公德行為、誘導未成年人不良嗜好影響未成年人身心健康的；
2)不當評述自然災害、重大事故等災難的；
3)美化、粉飾侵略戰(zhàn)爭行為的；
4)法律、行政法規(guī)禁止，或可能對網(wǎng)絡生態(tài)造成不良影響的其他內(nèi)容。
二、違規(guī)處罰
本網(wǎng)站通過主動發(fā)現(xiàn)和接受用戶舉報兩種方式收集違規(guī)行為信息。所有有意的降低內(nèi)容質(zhì)量、傷害平臺氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當一個用戶發(fā)布違規(guī)內(nèi)容時，本網(wǎng)站將依據(jù)相關用戶違規(guī)情節(jié)嚴重程度，對帳號進行禁言 1 天、7 天、15 天直至永久禁言或封停賬號的處罰。當涉及欺凌未成年人、危害未成年人身心健康、通過作弊手段注冊、使用帳號，或者濫用多個帳號發(fā)布違規(guī)內(nèi)容時，本網(wǎng)站將加重處罰。
三、申訴
隨著平臺管理經(jīng)驗的不斷豐富，本網(wǎng)站出于維護本網(wǎng)站氛圍和秩序的目的，將不斷完善本公約。
如果本網(wǎng)站用戶對本網(wǎng)站基于本公約規(guī)定做出的處理有異議，可以通過「建議反饋」功能向本網(wǎng)站進行反饋。
(規(guī)則的最終解釋權(quán)歸屬本網(wǎng)站所有)