Excel中的數據預測——線性回歸預測

2022-01-10 米宏Office

我的目標：讓中國的大學生走出校門的那一刻就已經具備這些office技能，讓職場人士能高效使用office軟體為其服務。支持我，也為自己加油！

在數據分析時，有時會涉及到數據預測，不同的數據預測選取的預測方法也不一致。

今天我們來了解下Excel中數據預測的一種方法：線性回歸預測。

首先理解下什麼是線性回歸預測，其實很簡單，就是尋找自變量和因變量之間的關係，建立二者之間的線性回歸方程，然後利用此方程進行預測。

說白了就是大家初中時就學過的二元一次方程：y=kx+a

如果你的已知數據符合線性趨勢或者趨近於線性趨勢，那就可以用線性回歸法進行預測。

比如：

以上案例中，通過前五年的數據發現使用年限和機器的損耗率明顯呈現線性關係，要預測第6年機器的損耗率，用Excel中的FORECAST.LINEAR函數即可。在 Excel 2016 中，FORECAST 函數已被 FORECAST.LINEAR 取代，後者屬於新的 預測函數。這兩個函數的語法和用法相同，但舊的 FORECAST 函數最終將被棄用。它仍然可用於向後兼容，但請考慮使用新的 FORECAST.LINEAR 函數。以上案例中數據關係很容易看出來是線性關係，如果你的數據不容易看出，但是邏輯上估計是線性關係的話，可以做個散點圖看看趨勢，比如：不是說已知的數據關係是標準的直線才可以用線性回歸預測，接近直線也可以用線性回歸預測。
=TREND (known_y's， [known_x's]， [new_x's]， [const])

關注以下公眾號，系統學習OFFICE知識，

購買的課程包素材和答疑哦！

聚米為谷

博學宏才

米宏歡迎您

想學更多內容

手機端請掃描

電腦端請登錄

www.mihong.top

最新培訓信息

12月30日開的班級：

Excel函數實戰

PowerQuery從基礎到進階

Excel圖表解析

帶你走進VBA的世界

相關焦點

  • 在 Python 中使用線性回歸預測數據
    3) 替換數據集中的缺失值我們經常要和帶有缺失值的數據集打交道。這部分沒有實戰例子，不過我會教你怎麼去用線性回歸替換這些值。所以，讓我們投入編程吧（馬上）在動手之前，去把我以前的文章(Python Packages for Data Mining)中的程序包安裝了是個好主意。
  • 用 Scikit-learn 與 Pandas 進行線性回歸預測
    ，這裡給出一個完整的例子，詳細學完這個例子，對用scikit-learn來運行線性回歸，評估模型不會有什麼問題了。沒有數據，當然沒法研究機器學習啦。:) 這裡我們用UCI大學公開的機器學習數據來跑線性回歸。
  • EXCEL數據的趨勢線預測
    常常看到科學家們在預測下一步的發展趨勢如何如何。那麼，科學家們是怎麼預測的呢？(圖片來自知乎)    其實，「預測」這個詞，在生活中也是常常用到的，甚至可以說人人都有過預測的經驗。比如，由夏至秋，天氣會變涼，由秋入冬，可能會下雪。這些都是依賴人類多年的歷史經驗總結而來。
  • 如何用Excel做數據預測分析?
    今天給大家聊一下如何用Excel預測未來！先別砸雞蛋，看我小眼睛，我是認真的。攤手，其實預測未來這事吧，說起來，Excel有很多可用的方法。今天給大家聊四種函數方案；也就是用函數實現移動平均預測、線性回歸預測、指數回歸預測、多項式擬合等。
  • 通過使用Python、pandas和statsmodels線性回歸預測房屋的價格
    通過使用Python、pandas和statsmodels線性回歸預測房屋的價格在這篇文章中，我們將逐步通過建立線性回歸模型來預測經濟活動導致的房屋價格。其中涵蓋的主題包括：1.    什麼是回歸2.    變量的選擇3.    利用pandas讀取數據4.    普通最小二乘假設5.    一元線性回歸6.
  • 【數據模型】邏輯回歸模型預測股票漲跌
    曲線分成了兩部分：當 x < 0，y < 0.5 ；當x > 0時，y > 0.5 。AIC: 1395.1Number of Fisher Scoring iterations: 3可以發現所有變量的p值都比較大，都不顯著。
  • 線性回歸:簡單線性回歸詳解
    【導讀】本文是一篇專門介紹線性回歸的技術文章，討論了機器學習中線性回歸的技術細節。線性回歸核心思想是獲得最能夠擬合數據的直線。
  • 用Excel圖表預測未來
    事實上，在過去的12個月裡，價格一直在變化，每個價格水平上的銷量都被觀察到了，如下數據表：舉例，12月價格為390美元時，售出6800套球桿。現在公司想要估計需求和價格之間的關係，然後使用這個估計的關係來回答以下問題：如果定價調整為400美金一套，那麼預測銷量將會是多少？
  • 使用 PySpark 和 MLlib 構建線性回歸預測波士頓房價
    在這篇文章中，我將幫助您開始使用Apache Spark的Spark.ml的線性回歸預測波士頓房價。我們的數據來自Kaggle比賽:波士頓郊區的住房價值。對於每一個觀測，我們有以下資料：CRIM — 城鎮的人均犯罪率。ZN — 土地面積超過25000平方英尺的住宅用地所佔比例。
  • Python數據科學 | 線性回歸診斷
    Python數據科學：線性回歸多元線性回歸的前提條件：/ 01 / 殘差分析殘差分析是線性回歸診斷的重要環節。殘差應服從的前提條件有三個：殘差方差齊性殘差獨立同分布殘差不能和自變量相關(不能檢驗)通過查看殘差圖來查看殘差情況。
  • 總舵主教你打造數據模型,精準預測 LTV! (內附Excel模型)
    立馬就有小夥伴跑來請教，說希望知道如何精準預測LTV，以便調整之後的營銷策略。 舵主我向來辦事靠譜，已經把教材都整理好了，這一期就會手把手教大家打造數據模型，對LTV進行精準預測，更會把當中用到的excel數據表和數據模型免費送給大家，傾囊相授、絕不藏私。 今天的課程乾貨滿滿，事不宜遲，我們趕緊開始吧！
  • 數據挖掘從入門到放棄:線性回歸和邏輯回歸
    數據社「 數據挖掘算法基於線性代數、概率論、資訊理論推導，深入進去還是很有意思的，能夠理解數學家、統計學家、計算機學家的智慧，這個專欄從比較簡單的常用算法入手，後續研究基於TensorFlow的高級算法，最好能夠參與到人臉識別和NLP的實際項目中，做出來一定的效果。
  • Python實現多元線性回歸及畫圖——建立技術創新對企業績效的影響的模型並進行分析預測和畫圖
    線性回歸介紹線性回歸是利用數理統計中回歸分析，來確定兩種或兩種以上變量間相互依賴的定量關係的一種統計分析方法，運用十分廣泛。其表達形式為y = w'x+e，e為誤差服從均值為0的正態分布。回歸分析中，只包括一個自變量和一個因變量，且二者的關係可用一條直線近似表示，這種回歸分析稱為一元線性回歸分析。
  • 第三天:線性回歸
    其中回歸是指的預測得到連續具體的數值，分類是指預測得到事物所屬的類別，是一個離散的結果。下面再回到今天的問題，「線性回歸」就是指用線性模型來解決回歸問題。線性模型是指自變量練習代碼簡單線性模型使用單一特徵來預測響應值，可根據自變量值（X）來預測因變量值（Y），假設這兩個變量是線性相關的，我們嘗試尋找一種根據特徵或自變量（x）的線性函數來精確預測響應值（y），並通過找到「最佳擬合線」來最小化預測誤差。
  • 對線性回歸,logistic回歸和一般回歸的認識
    前四節主要講述了回歸問題，回歸屬於有監督學習中的一種方法。該方法的核心思想是從連續型統計數據中得到數學模型，然後將該數學模型用於預測或者分類。該方法處理的數據可以是多維的。講義最初介紹了一個基本問題，然後引出了線性回歸的解決方法，然後針對誤差問題做了概率解釋。之後介紹了logistic回歸。最後上升到理論層次，提出了一般回歸。
  • 利用python實現簡單的線性回歸
    當我說簡單的線性回歸，你在想什麼？讓我猜猜：當我說簡單線性回歸的時候，也許我以上的分析你都猜測過，也許上述假設在技術上是合理的。但有一個特別的理由稱之為簡單的線性回歸。首先，讓我們來了解為什麼我們稱之為簡單的線性回歸。然後我們可以開始我最喜歡的部分，在python中編寫簡單的線性回歸。
  • 用Excel進行數據分析:回歸分析
    ，可分為線性回歸分析和非線性回歸分析。回歸分析的實施步驟：1）根據預測目標，確定自變量和因變量2）建立回歸預測模型3）進行相關分析4）檢驗回歸預測模型，計算預測誤差5）計算並確定預測值我們接下來講解在Excel2007中如何進行回歸分析？
  • 四行代碼搞定多元回歸分析,教你預測未來
    它不只是簡單地分析事物和另外一件事物的關聯——就像簡單線性回歸那樣，而是可以幫助你處理許多不同事物和你想要預測事物之間的關係。線性回歸模型是一種數據模型，經常適用於數據科學，也是機器學習中的一個基礎構建塊。多元回歸分析（MLR）是一種數據技術，可以使用一些變量來預測不同變量的結果。其旨在建造自變量和因變量之間的線性關係。它展現了多種自變量如何與一種因變量相關聯。
  • 機器學習:線性回歸I 最小二乘法
    線性回歸是最基礎和常見的算法，屬於監督學習的一種，是講述算法開始的地方。我們在中學、大學學過很多次，雖然我已完全不記得。線性回歸作為基礎，雖然simple但不意味著easy，對其掌握很重要的。快照snapshot首先看看我們要解決的問題。
  • 用excel做銷售、成本預測分析,必須掌握這2種方法