Het uitvoeren van een lineaire regressie analyse heeft als doel om een passend model te maken bij de data die je hebt. Het model kan worden gebruikt om bepaalde voorspellingen te doen. Je probeert de waarde van een afhankelijke variabele te voorspellen op basis van een of meerdere onafhankelijke variabele(n).
Als verkoper van producten ben je er bij gebaat dat je je voorraad op orde hebt. Stel je verkoopt het hele jaar door ijs. Je moet genoeg hebben om aan de vraag te voldoen, maar je moet ook zorgen dat je niet te veel hebt zodat je zo min mogelijk opslag nodig hebt en ook zo min mogelijk hoeft weg te gooien. In een situatie als deze helpt het om een lineaire regressie in te zetten zodat je de vraag kan voorspellen en daar je inkoop op kan afstemmen. Om dit te doen kun je een aantal onafhankelijke variabelen meenemen waarop je je voorspelling kan baseren. Variabelen zoals het weer, de datum, gegevens van je concurrenten en je afzet van de afgelopen maanden zijn een goed begin. Verder kun je nog veel meer data gebruiken als je deze tot je beschikking hebt. Van deze variabelen zullen sommige nuttiger blijken dan andere. Uiteindelijk gebruik je al deze data in het lineaire regressie model om een voorspelling van de vraag te doen zodat je daarop je inkopen kan afstemmen.
Toffe artikelen die we vonden over Lineaire regressie:
Lineaire regressie in de praktijk
Theorie achter lineaire regressie
Bedankt voor het achterlaten van je email adres. Zodra we een nieuwe blog post hebben hoor je het van ons!
Er is iets misgegaan, probeer het later nog eens.
All Rights Reserved | Whitebox Data Science