စာရင်းဇယားများတွင် y hat သည် အဘယ်နည်း။

စာရင်းဇယားများတွင်၊ y ဦးထုပ် (ရေးထားသော ŷ ) သည် linear regression model ရှိ တုံ့ပြန်မှုကိန်းရှင်၏ ခန့်မှန်းတန်ဖိုးကို ရည်ညွှန်းသည်။

ယေဘူယျအားဖြင့် ကျွန်ုပ်တို့သည် ခန့်မှန်းခြေ ဆုတ်ယုတ်မှုညီမျှခြင်းကို အောက်ပါအတိုင်း ရေးပါသည်။

ŷ = β ₀ + β ₁ x

ရွှေ-

• ŷ : တုံ့ပြန်မှုကိန်းရှင်၏ ခန့်မှန်းတန်ဖိုး
• β ₀ : ကြိုတင်ခန့်မှန်းကိန်းရှင်သည် သုညဖြစ်သောအခါ တုံ့ပြန်မှုကိန်းရှင်၏ ပျမ်းမျှတန်ဖိုး
• β ₁ : ကြိုတင်ခန့်မှန်းကိန်းရှင်တွင် ယူနစ်တစ်ခုတိုးလာခြင်းနှင့်ဆက်စပ်နေသော တုံ့ပြန်မှုကိန်းရှင်တွင် ပျမ်းမျှပြောင်းလဲမှု

ဥပမာအားဖြင့်၊ ကျွန်ုပ်တို့တွင် မတူညီသောကျောင်းသားခြောက်ဦးမှ ၎င်းတို့၏နောက်ဆုံးစာမေးပွဲရမှတ်များနှင့်အတူ သင်ကြားသည့်နာရီအရေအတွက်ကိုပြသသည့် အောက်ပါဒေတာအတွဲရှိသည်ဆိုပါစို့။

ခန့်မှန်းသူကိန်းရှင်နှင့် စာမေးပွဲရလဒ်များ အဖြစ် တုံ့ပြန်မှုကိန်းရှင်အဖြစ် လေ့လာထားသော နာရီများကို အသုံးပြု၍ အောက်ပါဆုတ်ယုတ်မှုပုံစံနှင့်ကိုက်ညီရန် ကျွန်ုပ်တို့သည် စာရင်းအင်းဆော့ဖ်ဝဲ ( R ၊ Excel ၊ Python သို့မဟုတ် ကိုယ်တိုင်ပင်) ကိုအသုံးပြုသည်ဆိုပါစို့။

ရမှတ် = 66.615 + 5.0769*(နာရီ)

ဤပုံစံတွင် ဆုတ်ယုတ်မှုကိန်းများကို အဓိပ္ပာယ်ပြန်ဆိုရန် နည်းလမ်းမှာ အောက်ပါအတိုင်းဖြစ်သည်။

• သုညနာရီလေ့လာနေသော ကျောင်းသားတစ်ဦးအတွက် ပျမ်းမျှ စာမေးပွဲရမှတ်မှာ 66,615 ဖြစ်သည်။
• စာမေးပွဲရမှတ်သည် ထပ်လောင်းလေ့လာသည့်နာရီတိုင်းအတွက် ပျမ်းမျှ 5.0769 မှတ်ဖြင့် တိုးလာသည်။

လေ့လာခဲ့သည့် နာရီအရေအတွက်အပေါ် အခြေခံ၍ ပေးထားသည့် ကျောင်းသား၏ရမှတ်ကို ခန့်မှန်း ရန် ဤဆုတ်ယုတ်မှုညီမျှခြင်းကို ကျွန်ုပ်တို့ အသုံးပြုနိုင်ပါသည်။

ဥပမာအားဖြင့်၊ 3 နာရီကြာလေ့လာသည့်ကျောင်းသားသည် ရမှတ်ရသင့်သည်-

ရမှတ် = 66.615 + 5.0769*(3) = 81.85

Y Hat ကို ဘာကြောင့် သုံးတာလဲ။

စာရင်းဇယားရှိ “ဦးထုပ်” သင်္ကေတကို မည်သည့် “ခန့်မှန်းချက်” ဝေါဟာရကိုမဆို ဖော်ပြရန် အသုံးပြုသည်။ ဥပမာအားဖြင့်၊ ŷ ကို ခန့်မှန်းချေ တုံ့ပြန်မှု ကိန်းရှင်တစ်ခုကို ဖော်ပြရန် အသုံးပြုသည်။

ပုံမှန်အားဖြင့်၊ ကျွန်ုပ်တို့သည် linear regression မော်ဒယ်များကို အံဝင်ခွင်ကျလုပ်သောအခါ၊ လူဦးရေ၏ ဖြစ်နိုင်ချေရှိသော စူးစမ်းမှုတိုင်းအတွက် ဒေတာစုဆောင်းခြင်းထက် ၎င်းသည် ပိုမိုအဆင်ပြေပြီး အချိန်ပိုနည်းသောကြောင့် လူဦးရေထံမှ ဒေတာ နမူနာကို အသုံးပြုပါသည်။

ထို့ကြောင့် regression equation ကိုရှာသောအခါ၊ ခန့်မှန်းသူ variable နှင့် response variable အကြား စစ်မှန်သော ဆက်စပ်မှု ကို ခန့်မှန်းခြင်း သာဖြစ်သည်။

ထို့ကြောင့် ကျွန်ုပ်တို့သည် y အစား regression equation တွင် ŷ ဟူသော ဝေါဟာရကို သုံးသည်။

ထပ်လောင်းအရင်းအမြစ်များ

Simple Linear Regression နိဒါန်း
Multiple Linear Regression အကြောင်း နိဒါန်း
ရှင်းလင်းချက်နှင့် တုံ့ပြန်မှု ကိန်းရှင်များအကြောင်း နိဒါန်း