Регрессионный анализ

MySales использует как простой, так и множественный регрессионный анализ, чтобы разложить продажи на такие влияющие факторы, как сезонность, тренд, цена, скидка и т.д. Однако, алгоритмы, используемые в MySales, не ограничиваются применениями простых и множественных, линейных и нелинейных регрессий. Используется также метод градиентного спуска, чтобы строить прогноз на базе большего количества факторов, чем позволяет классическая множественная регрессия. Кроме этого используются нейронные сети как для прогнозирования продаж, так и набор нейронных сетей для прогнозирования промо. А также алгоритм автоматической оценки похожести позиций в промо, и другие алгоритмы машинного обучения. Ключевым отличием и know-how всех алгоритмов MySales, является их предсказуемое поведение в различных условиях и низкая склонность к эффекту переобучения, которых также известен как "эффект подгонки" или "over-fit". Это достигается за счет того, что машинное обучение в MySales выполняется в рамках логических правил и ограничений, заданных как параметрами системы, так и индивидуальными настройками для заказчика.

Описание

Регрессионный анализ являет собой статистический метод, применяемый для оценки взаимосвязей между переменными. Он включает в себя множество методологий моделирования и анализа поведения нескольких переменных, для определения взаимосвязи между зависимой переменной и одной или несколькими независимыми переменными. Регрессионный анализ помогает понять, как изменится значение зависимой переменной (или "целевой переменной"), при изменении одной из независимых переменных, в то время как другие независимые переменные являются фиксированными. В большинстве случаев, регрессионный анализ оценивает условное мат. ожидание значения зависимой переменной от значений независимых переменных, то есть среднее значение зависимой переменной при фиксированных значениях независимых переменных. Реже, акцент делается на квантиль, или другой параметр условного распределения зависимой переменной с учетом независимых переменных. Во всех случаях, целью регрессионного анализа является восстановление функциональной зависимости между целевой переменной и независимыми, т.е. определение регрессионной функции.

Применение

Регрессионный анализ применяется для прогнозирования; использование регрессионного анализа существенно пересекается с областью машинного обучения. Регрессионный анализ также используется для того, чтобы найти и изучить взаимосвязи между зависимой переменной и независимыми переменными. В ограниченных условиях регрессионный анализ может использоваться для определения причинно-следственных связей между независимыми и зависимой переменными. Однако это может привести к ошибкам или ложным связям, поэтому следует проявлять осторожность. Например, корреляция не предполагает причинности.

Эффективность

Регрессионный анализ широко используется во многих областях, таких как аэрокосмическая и военная промышленность, авиация, астрономия, для прогнозирования или понимание влияния внешних или внутренних факторов. Эффективность методов регрессионного анализа на практике зависит от набора данных для анализа и от выбранного регрессионного подхода, применяемого к этому набору данных. Поскольку истинная форма процесса генерирования данных, как правило, неизвестна, регрессионный анализ часто в какой-то мере зависит от предположений об этом процессе. Эти предположения иногда можно проверить, если имеется достаточное количество данных. Регрессионные модели для прогнозирования часто полезны, даже если предположения в какой то мере нарушаются, хотя они могут не быть оптимальными.