Linear regression

Wat is linear regression?

Linear regression (lineaire regressie) is een statistische methode die het verband tussen variabelen beschrijft met een rechte lijn, zodat je voorspellingen kunt doen. Bijvoorbeeld: hoe hangt je advertentiebudget samen met je omzet? Het is een van de oudste en eenvoudigste voorspeltechnieken en nog altijd het startpunt van veel machine learning.

Hoe werkt het?

Je verzamelt data met een uitkomst die je wilt voorspellen (bijvoorbeeld omzet) en één of meer voorspellers (bijvoorbeeld advertentiebudget en seizoen). Het algoritme zoekt vervolgens de lijn die het best door alle datapunten past, door de afstand tussen de lijn en de werkelijke waarden zo klein mogelijk te maken. Die lijn vertelt je twee dingen: hoe sterk het verband is (elke euro extra advertentie levert gemiddeld zoveel omzet op) en wat je mag verwachten bij nieuwe waarden. De aanname is wel dat het verband ongeveer recht is; voor grillige patronen heb je andere modellen nodig.

Wat heb je eraan als bedrijf?

Lineaire regressie is bij uitstek geschikt voor praktische voorspellingen met cijfers: omzetprognoses, vraagvoorspelling, prijsanalyses of het effect van marketinguitgaven. Het grote voordeel boven complexere AI: je kunt precies uitleggen waarom het model iets voorspelt, wat helpt bij besluitvorming en verantwoording. Veel BI-tools en zelfs Excel hebben het ingebouwd, dus de drempel is laag.

Gerelateerde begrippen

Voor het voorspellen van categorieën in plaats van getallen gebruik je logistic regression. Het vinden van de best passende lijn gebeurt door een loss function te minimaliseren, vaak met gradient descent. Lineaire regressie is een vorm van supervised learning.

Alle tarieven staan bij elkaar op de prijzenpagina.