linear model
Főnév
linear model (tsz. linear models)
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:
- A kapcsolat lineáris a paraméterekben
- 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.
- linear model - Szótár.net (en-hu)
- linear model - Sztaki (en-hu)
- linear model - Merriam–Webster
- linear model - Cambridge
- linear model - WordNet
- linear model - Яндекс (en-ru)
- linear model - Google (en-hu)
- linear model - Wikidata
- linear model - Wikipédia (angol)