Порядковая регрессия — это тип алгоритма статистического обучения, используемый для прогнозирования при анализе данных. Он широко используется для анализа наборов данных с целевыми значениями, которые представляют собой целые числа, категории или, в некоторых ситуациях, непрерывные значения. Это метод обучения с учителем, который прогнозирует вероятность попадания категориальной целевой переменной в одну категорию из заранее определенного набора категорий.
Порядковая регрессия обычно используется в приложениях машинного обучения, таких как прогнозирование мошенничества с кредитными картами или медицинская диагностика. Его также можно использовать для исследований в таких областях, как медицина и психология. Алгоритм работает путем поиска линейной или полиномиальной функции, которая лучше всего разделяет входные данные на различные выходные категории.
Например, алгоритм порядковой регрессии можно использовать для прогнозирования отношений между взрослыми и детьми в наборе данных, который включает такие факторы, как возраст, пол, местоположение, образование и тип работы. Затем каждую точку данных можно разделить на различные категории, такие как мать-ребенок, отец-ребенок, тетя-племянник и т. д. Затем алгоритм порядковой регрессии выведет наиболее вероятные отношения взрослого и ребенка на основе введенных данных.
Порядковая регрессия также используется в исследованиях рынка, чтобы лучше понять потребительские предпочтения. Он использовался для прогнозирования продаж, принятия аналитических решений и даже размещения продуктов в магазинах.
Наиболее популярные алгоритмы порядковой регрессии включают логистическую регрессию, классификаторы дерева решений, нейронные сети, машины опорных векторов и ранговые методы. Логистическая регрессия является наиболее распространенным используемым алгоритмом, поскольку он устойчив к выбросам и может обрабатывать несколько категорий, НО все альтернативы также имеют определенные преимущества в определенных сценариях.