怎么判断回归模型的优劣
excel中如何采用回归模型法？
excel中如何采用回归模型法？
有两种方法。
第一种，先画散点图，然后添加趋势线，有线性回归、指数、幂函数、多项式回归选项。
第二种，加载数据分析加载项，选择回归，这个可以多元线性回归。
为什么大多数回归模型都是线性的？
线性回归是由两个关键词来构成，分别是“线性“和”回归“。这里的线性指的是它具有线性的决策边界，在二维空间里其实就是一条线，多维空间里，可以看成是一个超平面。另外，#34回归#34关键词说明它是用来解决回归类型的问题。 这里的一个特例是逻辑回归，虽然名字里面有回归二字，但它其实是个分类模型。
所谓模型，其实就是指一种概率分布，或者是一个决策函数。比如说
就是一个决策函数，输入为? ，输出为 ?。 ?就是一个模型。对于一个线性回归模型而言，? 的形式就是符合线性的，它的输出? 是连续值。
一元线性回归模型的优缺点？
一、优点
1、它表明自变量和因变量之间的显著关系；
2、它表明多个自变量对一个因变量的影响强度。
回归分析也允许去比较那些衡量不同尺度的变量之间的相互影响，如价格变动与促销活动数量之间联系。这些有利于帮助市场研究人员，数据分析人员以及数据科学家排除并估计出一组最佳的变量，用来构建预测模型。
二、缺点
回归模型比较简单，算法相对低级。
扩展资料
应用
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关系，建立回归模型，并根据实测数据来求解模型的各个参数，然后评价回归模型是否能够很好的拟合实测数据；如果能够很好的拟合，则可以根据自变量作进一步预测。
例如，如果要研究质量和用户满意度之间的因果关系，从实践意义上讲，产品质量会影响用户的满意情况，因此设用户满意度为因变量，记为Y；质量为自变量，记为X。通常可以建立下面的线性关系： YA BX §。
式中：A和B为待定参数，A为回归直线的截距；B为回归直线的斜率，表示X变化一个单位时，Y的平均变化情况；§为依赖于用户满意度的随机误差项。