A regressão linear (LR) ajusta uma relação linear entre uma ou mais variáveis de entrada e uma variável alvo contínua pelo método dos mínimos quadrados. Simples e altamente interpretável, a LR é ideal para prever resultados numéricos — como receita, gastos ou demanda de estoque — e medir a direção e a inclinação de uma tendência ao longo do tempo.
Casos de uso
A LR apresenta melhor desempenho quando a relação entre as entradas e o valor alvo é aproximadamente linear:
Análise de tendências: calcule a inclinação e a posição de uma linha de tendência em dados de séries temporais. Por exemplo, determine se o volume mensal de vendas, o GMV ou os preços de ações subiram ou caíram em um determinado período.
Ajuste de valores: ajuste resultados contínuos quando a relação entre as variáveis de entrada e o alvo for linear.
Requisitos de tipo de dados
As colunas x_cols e y_cols devem ser do tipo ponto flutuante ou inteiro.
Parâmetros
Defina estes parâmetros na opção model_parameter da instrução CREATE MODEL.
|
Parâmetro |
Descrição |
Padrão |
|
|
Número de iterações de treinamento. Defina como um inteiro positivo para limitar as iterações ou use |
|
|
|
Controla a normalização dos dados antes do treinamento. O valor |
|
Crie, avaliar e prever
Os passos a seguir demonstram um fluxo de trabalho completo de LR com o conjunto de dados db4ai.testdata1, em que dx1 e dx2 são os recursos de entrada e y é a variável alvo. Todas as três instruções usam a dica /*polar4ai*/ para direcionar a execução ao mecanismo polar4ai.
Passo 1: Crie o modelo
Treine um modelo LR chamado linearreg1 com todo o conjunto de dados, executando por três épocas:
/*polar4ai*/CREATE MODEL linearreg1 WITH
( model_class = 'linearreg', x_cols = 'dx1,dx2', y_cols='y',
model_parameter=(epoch=3)) AS (SELECT * FROM db4ai.testdata1);Passo 2: Avaliar o modelo
Meça a precisão das previsões com a pontuação R² (r2_score):
/*polar4ai*/SELECT dx1,dx2 FROM EVALUATE(MODEL linearreg1,
SELECT * FROM db4ai.testdata1 LIMIT 10) WITH
(x_cols = 'dx1,dx2',y_cols='y',metrics='r2_score');Passo 3: Execute previsões
Aplique o modelo treinado para gerar previsões sobre novos dados:
/*polar4ai*/SELECT dx1,dx2 FROM
PREDICT(MODEL linearreg1, SELECT * FROM db4ai.testdata1 LIMIT 10)
WITH (x_cols = 'dx1,dx2');Os tipos de dados de x_cols e y_cols devem ser ponto flutuante ou inteiro.