相关分析研究的是现象之间是否相关、相关的方向和密切程度，一般不区别自变量或因变量。而回归分析则要分析现象之间相关的具体形式，确定其因果关系，并用数学模型来表现其具体关系。比如说，从相关分析中我们可以得知“质量”和“用户满意度”变量密切相关，但是这两个变量之间到底是哪个变量受哪个变量的影响，影响程度如何，则需要通过回归分析方法来确定。一般来说，回归分析是通过规定因变量和自变量来确定变量之间的因果

Lots of businesses try using regression models. The basic idea is great – use the value of some variable(s) which you may be able to control to predict the value of another variable [most likely a met

序列平稳不平稳，一般采用两种方法：第一种：看图法图是指时序图，例如(eviews画滴)： 分析：什么样的图不平稳，先说下什么是平稳，平稳就是围绕着一个常数上下波动。看看上面这个图，很明显的增长趋势，不平稳。 第二种：自相关系数和偏相关系数还以上面的序列为例：用eviews得到自相关和偏相关图，Q统计量和伴随概率。

昨天用R折腾了一个简单的时间序列数据Arima自动拟合与预测。过程不复杂，但由于用得不多，为了防止忘记，撰文记录。打开R，安装一个叫做"Forecast"的包。每次开启R后，使用之前用 library('forecast') 加载该包。这里我用传说中的Airline Model数据。载入数据，转换成TS格式 airdataairts然后用forecast包中

rhadoop linear regression 问题

逻辑回归可以用在CTR(Click Through Rate)预估上，即通常所说的点击率预估。点击率预估的意义在于，搜索引擎等广告平台想要赚更多的钱，就要通过某一种机制让赚钱最多的广告排在前面（或有更多的概率被展示）。一、排序规则为了获得更多的收益，一般搜索引擎、广告联盟的排序规则是：rankScore=CTR∗bidPrice其中bidPrice是指广告主

# Copyright 2011 Revolution Analytics# # Licensed under the Apache License, Version 2.0 (the "License");# you may not use this file except in compliance with the License.# You may obtain a copy