㈠ 评价回归模型是否合适的方法
当你只知道一两种技巧时，生活通常是简单的。如果结果是连续的，使用线性回归；如果结果是二值的，使用逻辑回归！然而，可供选择的选项越多，选择合适的答案就越困难。类似的情况也发生在回归模型选择中。
1、在多种类型的回归模型中，基于自变量和因变量的类型、数据维数和数据的其它本质特征，选择最合适的技术是很重要的。以下是如何选择合适的回归模型的几点建议：
（1）数据挖掘是建立预测模型不可缺少的环节。这应该是选择正确的模型的第一步，比如确定各变量的关系和影响。
（2）比较适合于不同模型的拟合程度，我们可以分析它们不同的指标参数，例如统计意义的参数，R-square，Adjusted R-square，AIC，BIC 以及误差项，另一个是 Mallows’ Cp 准则。通过将模型与所有可能的子模型进行对比（或小心地选择他们），检查模型可能的偏差。
（3）交叉验证是评价预测模型的最佳方法。你可以将数据集分成两组（训练集和验证集）。通过衡量观测值和预测值之间简单的均方差就能给出预测精度的度量。
（4）如果数据集有多个混合变量，则不应使用自动模型选择方法，因为不希望同时将这些混合变量放入模型中。
（5）这也取决于你的目标。与高度统计学意义的模型相比，简单的模型更容易实现。
（6）回归正则化方法（LasSo、Ridge 和 ElasticNet）在数据集是高维和自变量是多重共线性的情况下工作良好。
2、什么是回归分析？回归分析是一种预测建模技术的方法，研究因变量（目标）和自变量（预测器）之前的关系。这一技术被用在预测、时间序列模型和寻找变量之间因果关系。
3、有哪些回归类型呢？
（1） 线性回归（Linear Regression）
线性回归是最为人熟知的建模技术，是人们学习如何预测模型时的首选之一。在此技术中，因变量是连续的，自变量可以是连续的也可以是离散的。回归的本质是线性的。
线性回归通过使用最佳的拟合直线（又被称为回归线），建立因变量（Y）和一个或多个自变量（X）之间的关系。
它的表达式为：Y=a+b*X+e，其中 a 为直线截距，b 为直线斜率，e 为误差项。如果给出了自变量 X，就能通过这个线性回归表达式计算出预测值，即因变量 Y。
（2）逻辑回归用来计算事件成功（Success）或者失败（Failure）的概率。当因变量是二进制（0/1，True/False，Yes/No）时，应该使用逻辑回归。这里，Y 的取值范围为 [0，1]，它可以由下列等式来表示。
其中，p 是事件发生的概率。你可能会有这样的疑问“为什么在等式中使用对数 log 呢？”
因为我们这里使用的二项分布（因变量），所以需要选择一个合适的激活函数能够将输出映射到 [0，1] 之间，Logit 函数满足要求。在上面的等式中，通过使用最大似然估计来得到最佳的参数，而不是使用线性回归最小化平方误差的方法。
㈡ 评价预测的方法
评价预测的具体方法可分二步走。首先，将经钻探证实不存在研究目的层和没有含气性希望的局部构造剔除，将具有聚气条件，但保存条件很差的难以成藏的局部构造再剔除，留下的是比较有希望的，或经钻探证实的或正在开发油气资源的局部构造及其延伸地带，我们将其称为剔除收拢法。这样做可将评价预测的范围和对象缩小和收拢，使目标相对集中。第二步，单一学科取得的认识和结论通常存在局限性，必须与其他学科的认识和结论融合在一起，力求取得的认识逼近客观的真实。据此，本次评价预测以水文地质标志为主线，结合二级、三级构造带的生气储气能力为框架，进行综合分析和评价预测。
㈢ 如何评价预测的有效性，matlab
主要通过2个指标来测评：效度和信度。
第一个是效度，主要是心理测验准确性和有效性的指标，人才评价方法的准确性、有效性、预测性的指标，指的是人员的评价结果与其实际（或将来）工作业绩的关系。评价方法的效度越高，就越能够准确地评价个人，找出其现有业绩高低的原因，并预测其将来工作业绩。
第二个是信度，是影响测评质量的关键因素。信度是指心理测验的稳定性，即对一项心理测验所产生反应的一致性。
㈣ 如何评价预测精准度
有过些行业熟悉的基础，有过岁月经历积累的知识，在各种数据中找到真实性规律，探查市场，多种路径绘总判断分柝准确率高。有高的预测准精度是多方面成果相结合，可不是一触而就的简单。
㈤ 统计型模型的预测精度与什么有关
根据方法本身的性质特点将预测方法分为三类。
1、定性预测方法
根据人们对系统过去和现在的经验、判断和直觉进行预测，其中以人的逻辑判断为主，仅要求提供系统发展的方向、状态、形势等定性结果。该方法适用于缺乏历史统计数据的系统对象。
2、时间序列分析
根据系统对象随时间变化的历史资料，只考虑系统变量随时间的变化规律，对系统未来的表现时间进行定量预测。主要包括移动平均法、指数平滑法、趋势外推法等。该方法适于利用简单统计数据预测研究对象随时间变化的趋势等。
3、因果关系预测
系统变量之间存在某种前因后果关系，找出影响某种结果的几个因素，建立因与果之间的数学模型，根据因素变量的变化预测结果变量的变化，既预测系统发展的方向又确定具体的数值变化规律。
㈥ 对预测模型进行评价应运用以下哪些原则.合理性预测能力稳定性简单性准确性
1.连续性原则
连续性原则是根据事物的发展具有连续性而总结出 来的。连续性原则指事物的发展是其过去的延续，而未 来是现在的延续。交通系统中连续性是普遍存在的。机 动车保有量、路网密度、自行车拥有量、人口、国民生 产总值以及交通量等交通因素都具有一定的连续性。
2.相关性原则
相关性原则是说任何影响交通因素的发展变化都不 是孤立的，都与其他1个或多个交通因素的发展变化相 互联系、相互影响，这种发展变化过程中的相互联系就 是相关性。
3.类推性原则
许多事物相互之间在发展变化上常有类似之处，可 根据某一事物发展变化体现出的规律来预测类似事物的 变化发展，把先发展事物的表现过程类推到后发展事物 上去，并对后发展事物的前景做出预测，这就是类推原 则。
4.概率性原则
由于预测受到其他各种随机因素的干扰，使得预测 结果具有一定的不确定性。在这种情况下，为便于决策 者更好地做出决策，应该对这种不确定性更好地表达和 体现。
5.系统性原则
交通系统作为社会的一个子系统，其发展变化必 然受到整个社会系统的影响。并且政治、经济、文化 等的发展变化也会引起交通系统发展变化。因此，交 通预测不仅要考虑到其自身发展变化，还要考虑到社 会其他子系统的发展变化。这就是系统性原则。
㈦ 什么叫预测精度
预测精度是指预测模型拟合的好坏程度，即由预测模型所产生的模拟值与历史实际值拟合程度的优劣。预测精度是衡量预测方法是否适用于预测对象的一个重要指标。
㈧ 预测因变量的精度受哪些因素影响
影响预测精度的因素包括（ ）。
（1）样本容量愈大，预测的方差愈小，预测的精度愈大
（2）样本中解释变量的离均差的和愈大，预测的方差愈小，预测的精度愈大 （3）内插预测的精度比较有把握，外推预测的能力显着下降，预测精度难以把握
（4）当其样本容量n相当大，而预测点的取值X0接近于X的平均值时，预测的方差最小，预测的精度最大
（5）残差标准差的估计值愈小，回归预测的精度愈精确，所以常常把残差标准差的估计值作为预测精度的标志
答案：（1）、（3）、（4）
㈨ 评价预测精度是通过测量与分析预测误差进行的吗
是。评价预测精度是通过测量与分析预测误差进行的。绝对误差是实际观测值与预测值的离差，相对误差反映实际观测值与预测值之间差异的相对程度。
㈩ 预测效果及方法评价
本次通过野外观察和构造填图，建立了以Q8号脉为代表的NWW—近EW向、S倾组矿脉构造控矿模型，以Q12号脉为代表的NE向、SE倾组矿脉构造控矿模型，总结盲矿预测指标。采集了原勘探报告和矿山生产探矿形成的勘探数据，利用“脉状矿床深部定位预测系统”(OPIS)，模拟了Q8号、Q12号脉(断裂)容矿空间，结合构造叠加晕开展深部成矿预测。
Q8号脉预测了2个北西侧伏矿带，3处重点靶区(位)。预测的Ⅰ级靶位与目前矿山控制地段构造容矿空间基本一致，预测资源量较大。其中Ⅰ-1靶区600中段构造叠加晕出现前、尾晕叠加现象，指示深部成矿潜力较大。目前工程揭露560中段、400中段已见矿，矿体比较厚大、连续，但目前揭露只是位于东部的隐伏矿体的头部，其深部(尤其是偏西部深部)还有较大找矿价值，预测资源量超过5t。Ⅰ-2靶区位于与目前主采区和Ⅰ-1靶区构成的北西侧伏矿带的东侧;靶区南东侧伏方向西侧上部为目前主采矿区，南西侧伏方向东侧上部有原地质队探采区，均属已知成矿区，故该靶区成矿有利度大也比较大，是矿山重点勘查部位。由于受工程限制，未采集到构造原生晕样品，故未有地球化学方面的依据。
Q12号脉利用构造模拟预测方法预测7个Ⅰ级靶区和2个Ⅱ级预测靶区，构造叠加晕地球化学方法采集样品位于现控制段600中段和400中段，结果表明只是现控制矿体的下、尾部，指示其南西侧仅还有小矿体分布。而构造方法预测的矿体均在现控制段的水平延伸方向或侧部深部。目前还未有工程控制，为下一步重点进行揭露。
针对小秦岭金矿田，本次提出的“空间+物质”预测的思路和方法是快速、有效和经济的，是切实可行的。预测结果基本得到探矿实践的检验，取得了比较好的成效，可以在矿田或类似条件矿田进行推广应用。