JavaScript中的简单回归预测算法

Question

我试图通过使用回归基于过去的记录对组织的未来利润进行简单的预测。 我正在跟踪此链接 。 为了进行测试，我更改了样本数据，并产生了以下结果：

我的实际数据将是日期和利润，并且它们会不断上升而不是连续递增。 我意识到上述方法适用于样本数据，由于预测非常准确，样本数据会不断增加。 但是，当我将数据更改为疯狂地上下移动的屏幕快照中的数据时，预测不再那么准确了。

只是想知道是否有任何方法可以提高回归的准确性，因为我的数据将不断上升或下降。

谢谢！

Answer 1

进行回归时，您正在为数据拟合模型 。 换句话说，您说的是“这是一个大致描述数据行为的方程式”。 在线性回归的情况下，模型/方程为：

y = a * x + b

其中x是输入，y是输出。 通过线性回归，您说的是“我的数据遵循一条直线，这是我的数据，最适合该数据的参数a和b是什么？”。

显然，如果你的数据不遵循一条直线，这将严重的工作。 例如，看看我在Google图片上找到的这张图片。

显然，您可以看到数据具有某种复杂的波浪形状-它先升后降，再升起。 线性模型还不够复杂，无法表达这种形状（只能做直线）。 因此，它不合适。

由于需要更复杂的模型，因此必须选择一个模型。 有很多标准的，您可以自己组成。 所有模型都是一个带有一些固定参数的方程，可以对其进行调整，以使该方程适合您的数据。

建议您使用Excel或Google表格中的趋势线选项来体验一下。 有关某些常见模型，请参见此处的趋势线类型位。

请注意，这些都不适合每月的利润，因为它们都不是周期性的。 您可能需要一个模型，该模型是一些重复乘数的组合，以捕获每月的变化，然后是线性或多项式分量，以捕获年度利润随时间增加或减少的事实。

但是，您不希望模型表现得太强 ，否则您将过度拟合数据（基本上它将看到噪声中的图案）。