〈預測未來：用線性回歸做預測〉－一起來當算命師！
本文大部分內容出自對《成為python數據分析達人的第一課(自學課程)》當中第六章〈預測未來：用線性回歸做預測〉的閱讀筆記、一些發散的心得與舉例（或是，幹話），閱讀者可酌情參考。
先說個笑話，研究所時某位教授開了門<因果推論>的量化課程，沒想到如此硬派的課程，卻吸引了為數眾多的學生參與，，這些同學的本意竟是想來學算命格、看命盤的，想當然爾，這樣的人潮在第二堂課後便不復見了。
說到透過線性回歸（數據分析）的方式預測未來，首先要做的事情，當然是決定我們要預測什麼事件的未來。畢竟，一個好的算命師傅不能在每次回答信眾問題時，總嚷嚷著「你會發大財」、「夢想會成真」等相對空泛的概念，因此這部分課程也強調了通過個人的專業素養以及對該領域的理解，試圖去問出一個有邏輯的問題 :
X（定義域，輸入資料）----F（函數，某種機制）----Y（值域，結果資料）
只要我們有足夠的原理去證明X資料經由F機制之後得出來的結果Ｙ，是符合邏輯的，我們便可以利用過去的經驗，配合數據分析或機器學習後，得出一個可預測日後類似狀況結果的機制，如果用白話點的例子來看：
雖然兩者最終的結果可能都會是零分一致（畢竟是大雄啊...），但後者的問法，透過明顯承先啟後的相關數據進行預測，相對而言是較有邏輯的。當然，這是建立在個人知識背景下的問法，如果把同樣問題拿去問PTT實業坊上的 ffaarr 大大 a.k.a. 哆啦王，他或許便可以拿出一套因應哆啦a夢借出考試道具給大雄的次數，來預測大雄數學成績的模型假設，興許這才是真正能幫助我們「預測未來」的數據吧。
概念的部分完備後，便準備進入到下個階段「歷史資料的蒐集」，這裡就不得不提到The 80/20 data science dilemma的概念：
大多數數據科學家只花費20％的時間用於實際數據分析，80％的時間用於查找，清理和重組大量數據。(Armand Ruiz，2017)
這聽起來是件挺悲觀且阿砸(ak-tsak，台語，指心煩意亂)的事情，萬幸的是，這方面還可以透過python裡面的”pandas”套件來幫助我們，更多相關的內容可以參考《用熊貓做基本數據分析》的課程內容，重點在於，我們如何整理出一個適合分析的資料集，像是以下結果：
大雄前五次的數學成績(x)跟該次的數學成績(y)的資料集
x1=(0,15,15,0,30), y1=20
x2=(0,0,0,100,30), y2=0
x3=(0,15,15,0,0), y3=100
．
．
一旦整理出適合學習的資料態樣後，我們便可以試圖從中找到一個適合的f(x)^（函數）以預測出y（正解）。
在找出屬於這份資料的那條線後，最後一點，便是「評估是否符合需求」，也就是再次驗證我們所得到的結果是不是「有準」，是否真的有預測未來的效果，這也可以透過對資料進行分組（訓練資料、測試資料）來達到目的。
以上介紹了有關〈預測未來：用線性回歸做預測〉概念性部分的內容，若是搭配後半段資料分析實作的部分，相信人人都可以當算命師吧！你會對回歸分析、資料分析乃至機器學習，有更進一步的認識。
筆記就寫到這，感謝您的閱讀，希望在這個時代，我們都能透過文字/閱讀，學著好好理解彼此。
RockNiu
留言0
查看全部