C#回归曲线拟合预测未来增长
当地一位小企业主给了我一个问题,我需要一些帮助。他希望我利用他过去的销售/收入数据,创建一个模型来帮助预测未来的数据 我知道我需要做一些回归曲线拟合。我知道我不希望它是一个简单的线性方程。增长率往往更具指数性(即每年增长10%)。不过,我也知道,随着时间的推移,增长速度自然会放缓 我不确定我需要使用哪种类型的回归(即指数回归、逻辑回归等) 例如,如果我有以下数据: 2005-41 2006-84 2007-149 2008-275 2009-353 2010-453 2011-712 2012-1001 2013-1370 2014-1591 我需要得到一个最接近曲线的回归函数 我需要能够使用该函数来找到它的拟合程度(R值) 我需要能够使用该函数预测2015年、2016年、2017年、2018年等的未来价值 哪种回归类型最适合这种情况(即指数型、对数型、其他类型等) 有哪些C#库可以帮助我解决这个问题 我可以去哪里学习如何开始使用这些库 任何帮助都将不胜感激 谢谢 一些一般建议:C#回归曲线拟合预测未来增长,c#,math,regression,logistic-regression,exponential,C#,Math,Regression,Logistic Regression,Exponential,当地一位小企业主给了我一个问题,我需要一些帮助。他希望我利用他过去的销售/收入数据,创建一个模型来帮助预测未来的数据 我知道我需要做一些回归曲线拟合。我知道我不希望它是一个简单的线性方程。增长率往往更具指数性(即每年增长10%)。不过,我也知道,随着时间的推移,增长速度自然会放缓 我不确定我需要使用哪种类型的回归(即指数回归、逻辑回归等) 例如,如果我有以下数据: 2005-41 2006-84 2007-149 2008-275 2009-353 2010-453 2011-712 2012-
- 仅将线性回归用作基本回归算法。高阶回归(多项式、样条曲线)往往会产生不以数据为基础的信息,特别是当您只有少量数据点时
- 如果要对指数或对数数据建模,则获取数据点(或exp)的日志,执行线性回归,并将结果映射回log/exp轴
- 简单线性回归算法有许多来源,它们也返回回归系数
或者这个简单的例程:这是一个建模问题,其程度远远大于编程问题。选择一个模型相当于对业务如何运作做出非常有力的假设。线性模型意味着无限增长。这现实吗?我对此表示怀疑。我的猜测是,逻辑曲线(即类似于
a/(1+exp(-b*t))
)更现实,因为它达到了饱和水平。一旦你决定了一个模型,我的建议是使用一个统计软件包,比如,或者甚至是一个电子表格来处理这些数字。不要为此费心编写C#程序;没有必要重新发明轮子
让我再次提到,到目前为止,这个问题的最大部分是选择模型。也许你应该把这个带到stats.stackexchange.com