Ugrás a tartalomhoz

linear model

A Wikiszótárból, a nyitott szótárból


Főnév

linear model (tsz. linear models)

  1. (informatika) lineáris modell

A linear model (lineáris modell) a statisztika, a gépi tanulás, az adatbányászat és a közgazdaságtan egyik legalapvetőbb és legelterjedtebb eszköze. Ez egy olyan matematikai modell, amelyben a függő változó (válasz) egy vagy több független változótól (magyarázó változóktól) lineárisan függ.



1. Definíció

A lineáris modell általános formája:

– ahol:

  • : a függő változó (kimenet)
  • : magyarázó változók (input, prediktor)
  • : paraméterek (súlyok), amelyeket meg kell becsülni
  • : hibatag (véletlen zaj)



2. Lineáris vagy nemlineáris?

📌 A lineáris modell attól “lineáris”, hogy a paraméterekben lineáris, nem feltétlenül az inputban!

Példák:

Modell Lineáris modell?
✅ Igen
✅ Igen
✅ Igen
❌ Nem
❌ Nem



3. A lineáris regresszió

Egyszerű lineáris regresszió:

Cél: megtalálni és értékét úgy, hogy a becsült értékek a lehető legjobban illeszkedjenek az adatokhoz.



4. Becslés módszere: Legkisebb négyzetek módszere (OLS)

Ez egy konvex optimalizálási probléma, aminek analitikus megoldása is van.



5. Mátrixos forma

Több változós esetben (multivariáns):

  • : vektor (válaszok)
  • : designmátrix (inputok)
  • : paramétervektor
  • : hibavektor

OLS-megoldás:



6. Jellemzők és feltételezések

A lineáris modellek akkor működnek jól, ha:

  1. A kapcsolat lineáris a paraméterekben
  2. A hibák:
    • Átlaguk 0
    • Azonos szórásúak (homoszkedaszticitás)
    • Függetlenek egymástól
    • Normál eloszlásúak (ha statisztikai inferenciát végzünk)



7. Előnyök és hátrányok

✅ Előnyök:

  • Egyszerű, értelmezhető
  • Gyorsan illeszthető
  • Alap statisztikai elmélet jól kidolgozott
  • Könnyen vizualizálható

❌ Hátrányok:

  • Csak lineáris kapcsolatokat tud modellezni
  • Nem kezeli jól az outliereket
  • Nem képes nemlineáris struktúrák felismerésére



8. Gyakorlati alkalmazások

Terület Példa
Közgazdaságtan Árbevétel előrejelzése
Egészségügy Életkor hatása vérnyomásra
Marketing Kampányköltség és eladások kapcsolata
Gépi tanulás Feature baseline modellek



9. Python példa (scikit-learn)

from sklearn.linear_model import LinearRegression
import numpy as np

X = np.array([[1], [2], [3], [4], [5]])
y = np.array([2, 4, 5, 4, 5])

model = LinearRegression()
model.fit(X, y)

print("Becslés: y =", model.intercept_, "+", model.coef_[0], "* x")

10. Összefoglalás

Fogalom Leírás
Linear model Olyan modell, ahol a kimenet a bemenetek lineáris kombinációja
Általános forma
Illesztés Legkisebb négyzetek módszerével
Előny Egyszerű, gyors, értelmezhető
Korlát Csak lineáris kapcsolatok, érzékeny a hibákra
Kiterjesztések Ridge, Lasso, GLM, logisztikus regresszió



A lineáris modell az összes prediktív modell alapja – érthető, gyors, és ha jól használjuk, meglepően hatékony. Ha a világ nem teljesen lineáris, akkor is gyakran első közelítésként kiváló.