回歸預測就是把預測的相關性原則作為基礎，把影響預測目標的各因素找出來，然後找出這些因素和預測目標之間的函式關係的近似表達，並且用數學的方法找出來。在利用樣本數據對其模型估計參數，並且對模型進行誤差檢驗。如果模型確定，就可以用模型對因素的的變化值進行預測。
基本介紹
- 中文名：回歸預測
- 外文名：regression forecasting
- 所屬領域：數理科學
- 套用：數值分析；機器學習
概念,步驟,1.根據預測目標，確定自變數和因變數,2.建立回歸預測模型,3.進行相關分析,4.檢驗回歸預測模型，計算預測誤差,5.計算並確定預測值,套用與展望,相關知識,
概念
回歸預測(regression forecasting)是回歸方程的一項重要套用。所謂預測就是對給定的X值，估計Y值將落在什麼範圍。設變數X,Y有線性關係，且線性回歸方程
的擬合度是較好的，但由於X,Y並非確定性關係，故對任意
，不能精確地求得相應的y值，是根據變數之間相關關係或因果關係進行預測的方法。
回歸預測方法有多種類型。
依據相關關係中自變數的個數不同分類，可分為一元回歸分析預測法和多元回歸分析預測法。在一元回歸分析預測法中，自變數只有一個，而在多元回歸分析預測法中，自變數有兩個以上。依據自變數和因變數之間的相關關係不同，可分為線性回歸預測和非線性回歸預測。
步驟
1.根據預測目標，確定自變數和因變數
明確預測的具體目標，也就確定了因變數。如預測具體目標是下一年度的銷售量，那么銷售量Y就是因變數。通過市場調查和查閱資料，尋找與預測目標的相關影響因素，即自變數，並從中選出主要的影響因素。
2.建立回歸預測模型
依據自變數和因變數的歷史統計資料進行計算，在此基礎上建立回歸分析方程，即回歸預測模型。
3.進行相關分析
回歸分析是對具有因果關係的影響因素(自變數)和預測對象(因變數)所進行的數理統計分析處理。只有當變數與因變數確實存在某種關係時，建立的回歸方程才有意義。因此，作為自變數的因素與作為因變數的預測對象是否有關，相關程度如何，以及判斷這種相關程度的把握性多大，就成為進行回歸分析必須要解決的問題。進行相關分析，一般要求出相關關係，以相關係數的大小來判斷自變數和因變數的相關的程度。
4.檢驗回歸預測模型，計算預測誤差
回歸預測模型是否可用於實際預測，取決於對回歸預測模型的檢驗和對預測誤差的計算。回歸方程只有通過各種檢驗，且預測誤差較小，才能將回歸方程作為預測模型進行預測。
5.計算並確定預測值
利用回歸預測模型計算預測值，並對預測值進行綜合分析，確定最後的預測值。
1）套用回歸預測法時應注意的問題：
套用回歸預測法時應首先確定變數之間是否存在相關關係。如果變數之間不存在相關關係，對這些變數套用回歸預測法就會得出錯誤的結果。
2）正確套用回歸分析預測時應注意：
①用定性分析判斷現象之間的依存關係；
②避免回歸預測的任意外推；
③套用合適的數據資料。
套用與展望
近年來支持向量機的回歸預測在很多的方面得到套用，並且有很多的預測方法值得去探討。
套用方面，例如：疾病預測，天氣預測，市場預測，股價預測，實時業務預報等等都有廣泛的套用。這些讓我們看到它的前景的可觀。但基於支持向量機的回歸預測也許在進行實際預測的時候有不準確的地方。也許預測的結果不是那么的令人滿意，採取適當的替換核函式辦法，必要時可以改進算法。還有一些諸如移動平均法，混沌預測，神經網路預測等這些都可以去加以嘗試，或根據與支持向量機結合進行改進。方便我們實際生活的預測。支持向量機的發展領域很廣泛，在支持向量機的預測方法上相信以後繼續會對我們的研究帶來很大的進展。
