Регрессионная модель: различия между версиями
Материал из Поле цифровой дидактики
Patarakin (обсуждение | вклад) Нет описания правки |
Patarakin (обсуждение | вклад) Нет описания правки |
||
| Строка 6: | Строка 6: | ||
|Environment=R, BehaviorSpace, NetLogo | |Environment=R, BehaviorSpace, NetLogo | ||
}} | }} | ||
== Регрессионная модель == | |||
Регрессионная модель описывает связь между переменными с помощью уравнения. Самая простая форма — [[линейная регрессия]]: | Регрессионная модель описывает связь между переменными с помощью уравнения. Самая простая форма — [[линейная регрессия]]: | ||
<math>Y = \beta_0 + \beta_1 \cdot X + \varepsilon</math> | <math>Y = \beta_0 + \beta_1 \cdot X + \varepsilon</math> | ||
| Строка 15: | Строка 16: | ||
* β₁ (бета один) — коэффициент при X (показывает, насколько Y изменится при увеличении X на единицу) | * β₁ (бета один) — коэффициент при X (показывает, насколько Y изменится при увеличении X на единицу) | ||
* ε (эпсилон) — ошибка модели (то, что модель не может объяснить) | * ε (эпсилон) — ошибка модели (то, что модель не может объяснить) | ||
== Как построить регрессионную модель == | |||
=== Вырастить данные в агент-ориентированной модели === | |||
# Запустить вашу модель [[NetLogo]] с использованием [[BehaviorSpace]]. | |||
# Вырастить данные и записать [[csv]] | |||
Версия от 16:47, 11 декабря 2025
| Описание | Регрессионная модель — это статистический инструмент, который помогает нам предсказывать значение одной переменной, исходя из значений других переменных. Это способ найти закономерность в данных и использовать её для предсказания будущих значений. |
|---|---|
| Область знаний | Статистика, Моделирование |
| Область использования (ISTE) | |
| Возрастная категория | 17
|
| Поясняющее видео | |
| Близкие рецепту понятия | Регрессия, Переменная, Остаток |
| Среды и средства для приготовления рецепта: | R, BehaviorSpace, NetLogo |
Регрессионная модель
Регрессионная модель описывает связь между переменными с помощью уравнения. Самая простая форма — линейная регрессия: [math]\displaystyle{ Y = \beta_0 + \beta_1 \cdot X + \varepsilon }[/math]
- Где
- Y — переменная, которую мы хотим предсказать (зависимая переменная)
- X — переменная, которую мы используем для предсказания (независимая переменная)
- β₀ (бета ноль) — свободный член (значение Y, когда X = 0)
- β₁ (бета один) — коэффициент при X (показывает, насколько Y изменится при увеличении X на единицу)
- ε (эпсилон) — ошибка модели (то, что модель не может объяснить)
Как построить регрессионную модель
Вырастить данные в агент-ориентированной модели
- Запустить вашу модель NetLogo с использованием BehaviorSpace.
- Вырастить данные и записать csv
