Линейные функции применяются в предсказательном анализе с помощью линейной регрессии — разновидности контролируемого алгоритма машинного обучения. 1

Суть метода: из помеченных наборов данных извлекают информацию и сопоставляют точки данных с наиболее оптимизированными линейными функциями, которые затем используют для прогнозирования на новых наборах данных. 1

Основная цель: найти линию наилучшего соответствия, чтобы ошибка между прогнозируемыми и фактическими значениями была сведена к минимуму. 1

Некоторые области применения:

• Финансы. 1 Линейная регрессия анализирует взаимосвязи и составляет прогнозы, например, моделирует, как прибыль на акцию компании влияет на курс её акций. 1 Также метод позволяет прогнозировать стоимость валюты путём анализа исторических обменных курсов и экономических показателей. 1
• Прогнозирование. 2 Модель линейной регрессии используют, когда необходимо сделать прогноз на основе прошлых данных, а зависимые и независимые переменные имеют линейную корреляцию. 2 К этой категории можно отнести прогнозирование ситуации на фондовом рынке, прогноз погоды, прогнозирование продаж и т. д.. 2
• Оптимизация прочности связей. 2 Линейная регрессия помогает понять, как изменится та или иная переменная при изменении других переменных. 2 Такой подход применяют, например, в медицине, розничной торговле, сельском хозяйстве. 2