在 SAP Analytics Cloud 智能预测中引入回归模型

在案例研究中，我们将引导您了解在付款预测中使用回归模型的场景。

• 衡量产品成本增加如何影响公司的利润。
• 了解公司销售对广告支出、促销或定价变化的敏感程度。
• 分析利率变化如何影响股票价格。
• 根据汽车属性、驾驶员信息和人口统计等因素，预测汽车保险公司的事故和损失索赔值。
• 根据历史需求、天气预报和定价预测未来的电力消耗。

什么是回归分析？回归分析是用于建模和分析数字数据的技术的集合名称，数值数据由目标变量和一个或多个影响因素变量的值组成。

回归的参数是估算的，并提供数据的"最佳拟合"。

回归等式中的目标变量被建模为影响因素变量、常量项和错误项的函数。目标是连续变量。

简单回归线的公式表示为等式：y = a + bx。

其中：

• y 是目标。
• a 是截距（y 的级别，其中 x 为 0）。
• b 是线条的斜率。
• x 是影响因素变量。

• 多元线性回归用于解释一个连续目标变量和两个或多个影响因素变量之间的关系。 
• 影响因素变量可以是连续变量，也可以是分类变量。
• 多元线性回归分析是通过散点图（具有多维数据点）拟合单线的任务。
• 回归最常用于：
  • 确定影响因素变量对目标变量的影响的强度。
  • 预测更改的影响或影响－了解更改影响因素变量时目标变量的更改程度。 例如，多元线性回归可以解释每增加一点（或减少）劳动力小时数，预计会增加（或减少）多少销售量。
  • 预测趋势和未来价值。 多元线性回归分析可用于获取点估计。 一个例子问题是：金价从现在起六个月会是什么样的？