Количественная оценка убывающей доходности, линейная регрессия или другое?

Здесь вопрос, связанный с полуматематикой, но я считаю, что он по-прежнему актуален, поскольку я работаю над этим в Python. Кроме того, люди из MathOverflow посмеялись бы над моим скудоумием.

В любом случае, у меня есть проект, связанный с недвижимостью, над которым я работаю. В приведенном ниже примере у меня есть 5 объектов недвижимости с их площадью и ценой за квадратный фут. Этот пример иллюстрирует небольшое снижение доходности недвижимости. В частности, при прочих равных условиях, чем выше становится площадь в квадратных футах, тем ниже становится цена за квадратный фут.

Как я могу создать уравнение для использования в Python, которое лучше всего учитывает это, чтобы я мог легко подключить квадратные метры и на основе этих данных получить точную оценку цены за квадратные метры для F (x).

введите здесь описание изображения


person David Seroy    schedule 03.03.2019    source источник
comment
Это похоже на проблему предсказания дома. Вы пробовали scikit машинное обучение?   -  person Kartikey Singh    schedule 03.03.2019
comment
Я изучил это вкратце. Я не очень хорошо знаком с машинным обучением. Эта проблема кажется мне гораздо более простой, действительно ли для этого требуется что-то вроде scikit? Если это так, вы можете указать мне в правильном направлении. На scikit есть тонна контента.   -  person David Seroy    schedule 03.03.2019


Ответы (1)


Машинное обучение не нужно.

Вы можете сделать это с помощью простой линейной регрессии. Вы даже можете получить его прямо из Excel, нанеся данные на график и попросив показать соответствующее уравнение подгонки.

Вот что я получаю, когда прошу Excel построить и подогнать ваши данные. Сплошная линия — ваши данные; пунктирная линия — полином 2-го порядка, созданный Excel с помощью линейной регрессии. Уравнение небольшое, но вы сможете прочитать его, если увеличите изображение.

введите здесь описание изображения

person duffymo    schedule 04.03.2019