Regressio

Regressioanalyysi R:ssä ja Pythonissa.

Regressio on menetelmä, jolla tutkitaan muuttujan y riippuvuutta toisesta muuttujasta x. Analyysimenetelmä perustuu siihen, että tutkittava muuttuja voidaan kuvata funktiolla, joka riippuu toisen säädellyn muuttujan arvoista. Toisin sanoen, kun tiedät X:n arvot, voit melko tarkasti ennustaa vastaavan y:n arvon. Regressioanalyysissä on kaksi menetelmää: parillinen lineaarinen regressio ja moninkertainen korrelaatio.

Tässä artikkelissa puhumme regression suorittamisesta suosituilla ohjelmointikielillä "R" ja "Python". Myös

Regressiotestaus on prosessi, jossa etsitään virheitä (bugeja) funktion sisältä käyttämällä matemaattista mallia, joka ennustaa ohjelman toiminnan valituista syöteparametreista riippumatta. Tämäntyyppinen testaus on erittäin tarkka. Matemaattista ennusteteoriaa käytetään koodin virheiden etsimiseen.

Regressioanalyysi on matematiikan haara. Se perustuu muuttujien välisten lineaaristen riippuvuuksien tutkimukseen - yhden muutos vaikuttaa toiseen. Lineaarinen riippuvuus ilmaistaan ​​yhtälöllä, jonka muoto on y = ax + b. Kertoimet a ja b määritetään pienimmän neliösumman menetelmällä ja ilmaisevat testatun mallin virheen suorituskyvyn. Pienimmän neliösumman menetelmän avulla voit löytää paitsi itse regressioviivan myös kaikki sen alla olevat "poikkeamille alttiit" pisteet. Tämän avulla voit luoda luettelon vaarallisista tietopisteistä, joissa uudet testit on ensin toteutettava.

Regressioalgoritmin ydin on jatkuvasti lisätä toistettavien testien määrää käyttämällä optimointitekniikoita ja testiparametreja. Algoritmin tarkoituksena on jatkuvasti arvioida tuotettujen näytteiden määrää generoitua testisuunnitelmaa vasten. Kaikki tämä voidaan ilmaista kaavalla:

n(i+1) = n(i) + ln(Virhe/n)/db(l)

J-funktio kuvaa lukua