JavaScript 中的简单线性回归预测算法答案

【问题标题】：Simple Linear Regression Prediction Algorithm in JavaScriptJavaScript 中的简单线性回归预测算法
【发布时间】：2018-04-02 20:32:07
【问题描述】：

我正在尝试根据 JavaScript 中过去的利润对组织未来的利润进行简单的预测。我的数据集将日期作为 x 轴，将利润作为 y 轴。我是数据分析的新手，基本上我对它的了解为零，我不确定哪种预测算法最合适。

我做了一些研究here和here，发现我实际上可以使用线性回归预测算法。然而，从这些例子中，我只看到预测算法只是简单地根据数据绘制一条直线以找出回归值，它根本不预测未来的任何值。

不知道上面提到的算法是否适用于我的情况？

谢谢！

【问题讨论】：

【解决方案1】：

预测与 JavaScript 或 HTML 无关。它只是使用回归函数。如何使您的功能适合授予的数据是回归分析的领域。您可以查看least squares method以澄清您的理解。

回归函数的选择是另一个问题。它与您的数据来自的领域有关。您必须注意输出的限制，以便您可以采用适合业务逻辑的函数（例如，如果您的数据循环一年或一天或其他任何时间，您可以包装 sin() 或 cos( ) 作用于另一个)。

还有另一种预测方法。它与机器学习有关，基于人工神经网络。如果你对 JS 感兴趣，我可以建议你使用 brain.js - 最简单的库来处理 JS 中的神经网络。

【讨论】：

嘿，有什么办法可以将上面的参考链接更改为自动回归？因为AFAIK，自动回归实际上会尽可能接近回归函数的曲线，对吗？因为我意识到一个问题，当我使用线性回归时，预测总是在一个方向上要么向上要么向下。如果我使用三次回归，同样的事情，但预测以曲线方式增长。这两个预测都会导致错误的值，因为我的输入数据总是上下波动。

【解决方案2】：

这在很大程度上取决于业务以及您拥有多少数据。过去的历史是否遵循规律的线性进展？如果是这样，那么线性模型将是有意义的。有没有起起落落？什么解释了这些？是季节性的还是其他周期性的？如果是这样，您需要将这些考虑在内。是否存在具有非常罕见的巨大异常值的特定时期？也许纠正（删除）这些会产生更好的结果。

没有万能的解决方案。

【讨论】：

数据集非常小，大约有 4k 条记录，并且有起有落。我只是想知道线性回归是否真的可以执行预测，因为从我从示例中看到的，他们只是根据所提供的数据绘制一条直线，并且根本不预测未来的任何事情。（我知道我可能是错的，因为我在这个领域没有太多的知识，如果我错了，请纠正我:)）这违背了我想要达到的目的是在未来获得预测值。
@guest176969 是的，然后可以使用推导线性回归进行预测，其准确性将取决于数据和公式对数据的适用性。
我的意思是根据过去的数据，我可以画出回归线。但是我应该如何扩展回归线来预测未来几年的利润呢？上面的两个例子从来没有显示出来。
@guest176969 您指出的示例已经完全符合您的要求。看console.log("Weight for a child 15 years old:",f(15));
我明白了，非常感谢！但是，我意识到一件事，如果我的数据疯狂地上下波动，那么上面的线性回归预测不正确。有没有办法把它改成三次回归？