线性回归的预测是一种常用的算法,
线性回归使用最小二乘法,可以计算出回归线(即一系列点的最佳拟合线)的公式。
回归线具有如下公式,其中 a 为斜率,b 为截距:
y = ax+b
在SQL 2005 分析服务中有直接的公式可以计算出预测值Y,以及a,b以及系数r
以N=12,即取12个点做线性拟合
Y=LinRegPoint(([时间].[年-季度-月份].CURRENTMEMBER,[Measures].[时间坐标]),LastPeriods(12,[时间].[年-季度-月份].CURRENTMEMBER),[Measures].[流向分值],[Measures].[时间坐标])
R2=LinRegR2(LastPeriods(12,[时间].[年-季度-月份].CURRENTMEMBER), [Measures].[流向分值],[Measures].[时间坐标])
A=LinRegSlope(LastPeriods(12,[时间].[年-季度-月份].CURRENTMEMBER), [Measures].[流向分值],[Measures].[时间坐标])
B=LinRegIntercept(LastPeriods(12,[时间].[年-季度-月份].CURRENTMEMBER), [Measures].[流向分值],[Measures].[时间坐标])
其中[Measures].[时间坐标],表示的是当前时间到某个日期的距离(可以以月为单位),比如原点是2004-1-1,那么2004-2-1的时候[Measures].[时间坐标]=1
[更多...]