Day 5 - 类神经网路可做什麽

假设 y是结果(如股票价格) , x是变数(如进料成本,薪资成本......等) , 以分类或回归分析找出y与x的关系, y=f(x), 如此可预测未来。

Classification(分类)

分类的应用:

天气好坏、男女辨识、动物辨识、植物辨识。

Regression(回归)

回归的应用:wiki

趋势线
一条趋势线代表着时间序列数据的长期走势。它告诉我们一组特定数据（如GDP、石油价格和股票价格）是否在一段时期内增长或下降。虽然我们可以用肉眼观察数据点在坐标系的位置大体画出趋势线，更恰当的方法是利用线性回归计算出趋势线的位置和斜率。
流行病学
有关吸菸对死亡率和发病率影响的早期证据来自采用了回归分析的观察性研究。为了在分析观测数据时减少伪相关，除最感兴趣的变数之外,通常研究人员还会在他们的回归模型里包括一些额外变数。例如，假设我们有一个回归模型，在这个回归模型中吸菸行为是我们最感兴趣的独立变数，其相关变数是经数年观察得到的吸菸者寿命。研究人员可能将社会经济地位当成一个额外的独立变数，已确保任何经观察所得的吸菸对寿命的影响不是由於教育或收入差异引起的。然而，我们不可能把所有可能混淆结果的变数都加入到实证分析中。例如，某种不存在的基因可能会增加人死亡的机率，还会让人的吸菸量增加。因此，比起采用观察数据的回归分析得出的结论，随机对照试验常能产生更令人信服的因果关系证据。当可控实验不可行时，回归分析的衍生，如工具变数回归，可尝试用来估计观测数据的因果关系。
金融
资本资产定价模型利用线性回归以及Beta系数的概念分析和计算投资的系统风险。这是从联系投资回报和所有风险性资产回报的模型Beta系数直接得出的。
经济学
线性回归是经济学的主要实证工具。例如，它是用来预测消费支出，[4]固定投资支出，存货投资，一国出口产品的购买，[5]进口支出，[5]要求持有流动性资产，[6]劳动力需求、[7]劳动力供给。