8、回归系统构建全解析

回归系统构建全解析

1. 线性回归

1.1 营销应用

线性回归在营销领域有重要应用，主要体现在销售预测和广告投资回报率（ROI）计算两方面：
- 销售预测 ：依据广告投入、市场状况和竞争对手行动等多种预测因素，对未来销售情况进行预测。
- 广告ROI ：通过将营销投入与销售额增长相关联，衡量不同营销渠道的投资回报率，助力营销人员更有效地分配预算。

1.2 优点

线性回归具有以下显著优点：
|优点|描述|
|----|----|
|简单易解释|模型易于理解，具有高度的可解释性|
|高效性|计算简单，对于大型数据集尤为高效|
|基础模型|为许多高级建模技术和算法提供基础模型|

1.3 局限性

线性回归也存在一些局限性：
- 线性假设 ：假定自变量和因变量之间存在线性关系，但现实中许多现象呈现非线性关系。
- 异常值影响 ：异常值的存在会显著影响模型性能，使回归线发生偏移，导致拟合效果不佳。
- 多重共线性 ：多元线性回归模型中，若两个或多个自变量高度相关，就难以分离每个自变量对因变量的单独影响，导致系数估计不稳定，使解释和预测的可靠性降低。

2. 广义线性回归

2.1 原理

广义线性回归采用广义线性模型（GLM）算法，它扩展了传统线性回归，能够处理不服从正态分布