algorithm - 算法来组合数据进行线性拟合？

Question

我不确定这是否是问这个问题的最佳地点，但是你们过去对我的大量 CS 作业很有帮助，所以我想我会试一试。

我正在寻找一种算法来盲目地将几个因变量组合成一个索引，以产生与外部变量的最佳线性拟合。基本上，它将使用不同的数学运算符组合因变量，包括或不包括每个变量等，直到开发出与我的外部变量最相关的索引。

有没有人见过/听说过这样的事情？即使你能指出我正确的方向或正确的地方问，我会很感激。谢谢。

Answer 1

听起来您正在尝试进行多元线性回归或多元回归。最简单的方法（阅读：不太准确）是单独计算每个组件变量的线性回归线，然后对每条线进行加权平均。除此之外，恐怕我也帮不上什么忙了。

Answer 2

这似乎是使用多个解释变量的简单线性回归。由于这里的含义是您正在使用一种计算方法，您可以使用您拥有的解释变量的每个可能组合（是否要包括交互效果是您的选择）来做一些简单的事情，将线性模型应用于您的数据，选择拟合优度（R^2 只是一个例子）并使用它来对您拟合的每个模型的拟合度进行排名？模型的质量在许多领域也有些主观 - 如果一个包含 15 个变量的模型与仅包含 3 个变量的简单得多的模型相比，它仅适度提高了拟合度，则您可以拒绝该模型。如果您还没有阅读它，我相信您会在以下文本中找到许多有用的建议：

Draper, NR 和 Smith, H. (1998). 概率和统计中的应用回归分析 Wiley 系列

您也可以尝试使用 google 搜索模型选择的 LASSO 方法。

Answer 3

你要的东西本质上是整个回归分析。

这就是线性回归所做的，这是“机器学习”所做的很好的一部分（机器学习基本上只是更复杂的回归和分类算法的名称）。有成百上千种不同的折衷方法，但基本的方法通常效果很好。

如果您想了解更多信息，机器学习课程是深入了解这一点的好地方。