跨境电商如何使用线性回归模型预测运输费？只能注意哪几点？

A在频域将近分组中则会的名字是 斜率，解作是每增大一个其单位的货量，则会增大多少的额度。

B也是一个formula_，就举例前文中则会的显露租车公交的公司一样，额度中的也有高于车不收，包括了船和沿岸货运的公交的公司，另外还有进显露口和港口操纵的单独车不收。

B在频域将近分组中则会的名字是 截距，也就是当X为零时Y的将近绝对值。在现实原因中则会，显露货量不意味著为零，X一定是少于零的将近。

货物货运立方将近叫认真 量值，就是X。货运开销是随着货量而变动的，所以叫认真 因将近据类型，也就是Y。

整个的方程组就等同于： 水路拼箱货运开销=A×货物货运立方将近+B

只尽快显露了A和B这两个formula_的绝对值，就可以把任何的X绝对值——货物货运立方将近求得方程组，唯显露货运开销了。

K的公司货运的概要统计将近据如下表。

2.依赖性深入研究

除了常规的统计外，我增大了一项，就是之前一行的 依赖性Correlation深入研究。货运开销和货量是两个将近据类型，它们密切联系意味著存在着一定的依赖性。

根据我们的 现代人，货运的货量越加快，额度也就越加少，它们密切联系应该是自始依赖性，也就是额度随着货量的增大而增大。为了验证这点，我们须要用于依赖性深入研究来的测试一下。

在Excel中则会，用于方程组= CORREL(嵌套，嵌套)就可以求解。依赖性的结果是在-1和+1密切联系。

当依赖性为-1时，嵌套密切联系是负相关，X的绝对值越加少，Y的绝对值越加高于。比方说沙尘暴越加热，羽绒服越加是卖不显露去。

当依赖性为0时，嵌套密切联系没人半毛钱联系。就举例谁是中则会国船王和我没人一丁点儿联系，因为我成不了中则会国船王，你们爱谁谁。

当依赖性为+1，嵌套就是自始依赖性，也就是我们额度犯罪行为中则会的原因了。

CORREL(水路拼箱货运开销，水路拼箱货运开销)为1，因为是同一个嵌套密切联系深入研究，结果自然环境是1。

CORREL(水路拼箱货运开销，货物货运立方将近)是0.81，比较相对于1了，这个结果知道我们， 两分组将近据密切联系的依赖性很强，绝对特别全面性深入研究，来计唯显露A和B的绝对值。

3.求解操作过程

求解操作过程儒有点多样，如果要表述明了，估计还要一整不少时间跨度，所以我就可先一笔带过。弱小的Excel可以帮我们慢慢地地计唯显露结果，实际的方法是在“Data—Data analysis”中则会同样“Regression”复显露即可。

如果还没人有重新安装Data analysis可选的同事，可以在留言板抓取一下重新安装的方法，在此就不认真详述了。如果未能重新安装，意味著是Excel版本的疑虑，须要顺利进行换用。

求解操作过程很有趣，如上绘出示意绘出，只须要在“Input Y Range”中则会，把Y绝对值的嵌套，也就是货运开销选上，然后在“Input X Range”中则会，把X绝对值的货物货运立方将近选上，点击“OK”就可以迅速地唯显露结果。

4.审计仿真

在Excel的努力下，我们可以很有趣地得到仿真，但最主要的工作致使，就是要审计和的测试仿真。我们自已尽可能这个仿真是必要的，而且在社则会学上是适当的。

根据K的公司的50分组将近据，可以得显露这样的结果，中的的数据量大多，由于时间跨度局限，本文只表述其中则会最主要的几个输显露Output。

(1) 仿真的匹配层面

首可先，我们要审计仿真的匹配层面，它是复显露直该线与实际上原因的匹配度，也被称之为决定formula_。在输显露结果中则会，我们近期要同样“ 修改的R平方（Adjusted R Square）”的绝对值。

R平方可以明白为仿真尽可能表述实际上原因的百分比。由于要去除量值个将近对R平方的影响，所以叫认真修改的R平方，这个将近绝对值在0到1密切联系，将近绝对值越加快，陈述仿真的匹配层面越加好，越加是尽可能陈述疑虑；如果将近绝对值为零，这个仿真啥也不是。

在上绘出中则会，修改的R平方是65%，陈述匹配层面还不俗， 可以表述65%起因的原因，绝对特别我们全面性深入研究下去。

(2)A、Bformula_

看完了基本的匹配层面后，我们要进去单个的formula_原因怎么样。在本犯罪行为中则会只有两个formula_，是很有趣的情景，但在现实原因中则会赞许则会少于这个将近量。

还是以显露租车为例，加值中则会有一项是时长不收，这是根据行驶时间车不收的这两项，另外还意味著有额外的车长表彰不收，比如在中秋其间每单要加6元。

为了便于陈述，在这中的我用于少于的将近据类型顺利进行深入研究。根据求解结果，我们可以把A和B的绝对值求得方程组：

水路拼箱货运开销=

156.41×货物货运立方将近+664.52

论据货物货运立方将近为零时（实际上上不意味著），额度是664.52，这就是截距。当货物货运是4个立方，额度就是1290.18。就这样，我们见到了连在一起直该线， 只要输入3至15密切联系的任何一个将近，就尽可能得显露额度。

(3) 的测试formula_

我们还须要对formula_顺利进行的测试，进去它们到底适当且必要，这中的主要是看 P绝对值，它是用来判定论据检验结果的一个实例，P绝对值越加小，比如少于0.01，陈述formula_越加是不意味著为零。

formula_如果是零，陈述该formula_是无意义的。截距的P绝对值是0.000093，早就足够小了，陈述这个formula_是需用的，而斜率的P绝对值格外小，那就格外多了。

(4) 上理论上的绝对值

之前是A、Bformula_上理论上的绝对值，这中的用于的是仿真可选的95%的估计量原因下的绝对值。

货物货运立方将近formula_的理论上是123.32，最少是189.51，截距的理论上是351.39，最少是977.66。在 95%的估计量中的，formula_的上理论上就在这个范围内。

这中的须要同样的是上理论上绝对值不可少于零，否则formula_就没人意义了。如果formula_A是负的，那这样一来货运的货量越加少，额度反而格外高于，这是不对，也是不意味著的。因为两个formula_的P绝对值都是少于0.01，所以也不则会显露现上述的原因。

至此，我把这个有趣的频域复显露仿真详述顺利进行时，起初就让尽量重构实际内容，但实际上看来，中的包括的知识点是很多的，一篇短诗迟早难于讲明了所有的实际内容。需注意表述不明了的；也，还代为多见谅。

三、机器学习时的关键点

从仿真协作和用于的本质，我们须要近期同样这几个方面。

1.同样仿真的量值

在机器学习之后，我们意味著则会有多个量值X，此时就要想一想，该用于哪些？

我在本文中则会用了一个最有趣的情景，所以只有1个量值。在实际上原因中则会我们则会遇见多个量值的原因，如果英哩、重量等等，须要根据充分来判断、同样合适的量值。

决定此后，我们要收集量值的将近据，但有些将近据意味著是紊乱的，因此现实原因则会格外多样一些，要认真好短期内。同样量值是机器学习操作过程中则会最难的环节，须要我们对疑虑有更全面性的认知。

2.有趣就是众所周知的

根据充分，在仿真中则会尽量少用一些量值，只要能表述疑虑就可以了，量值越加多，仿真就越加多样。虽然修改的R平方则会高，唯是人为“调”显露来的，英哩现实原因反而远达了。仿真最终要在现实中则会的测试，过度匹配意味著则会偏离实际上原因。

3.仿真的测试

由于Excel可以快速运行深入研究，计唯操作过程已成为最格外易的一步。这导致我们意味著自已立即见到仿真结果，忽视了前期直觉和同样的操作过程。

因此，的测试仿真就越来越重要了。修改的 R平方、P绝对值和估计量的上理论上，这三个是最主要的点，我们须要用现代人和充分去判断它们到底必要。

概括一下，频域复显露仿真是市场营销平常则会用于的工具箱，听慢慢地高大上，但是原理不一定多样，用于Excel就能搭建仿真。受制于基本上的机器学习技能，可以努力我们提高范式直觉和将近据深入研究并能，增大职场基本实力。

作者 | 特为 民为

来源 | 民为市场营销

此文系作者个人观点，不代表零售业罗尼立场

犯罪行为征集：中则会国零碳市场营销Company零售业创新近提议TOP30

▼