用特征来做回归预测意义

Question

波波老师你好，

比如像Boston房价数据，用前面13个特征来预测房价，这样似乎没有意义？

因为在现实生活中，一般得知了那13个特征的数据，房价的数据也会同时产生，也就是这14个数据是能够同时获取的，这样的话，用13个X去预测y，似乎意义就不太大了？

Answer 1

liuyubobobo 2020-02-15 10:42:54

首先，这只是一个例子，来说明什么是回归分析：即预测的结果是一个实数，而非一个类别。

比如，现在对于国内的疫情，早期无法详实的统计具体的感染人数，那么根据城市的特征，已知的病毒信息，各种流行病学的因素，来预测实际可能的感染人数，进而实施相应的政策，是非常有意义的。

这样的应用非常多，比如根据各种信息，预测每天，每个月甚至每个季度的用电量，从而指导发电厂的发电量（电力很难被保存）；比如根据各种信息，预测在各种不同的节日非节日各类商品的需求量，从而调控库存；比如通过每个人的各种基本信息，从而预测更加精确的保险费用，等等等等。

但即使对于房价这种信息，预测也是有意义的。

首先，对于房产商来说，模型的预测结果是一个定价指导；

其次，从消费者的角度，我们也能够根据模型的预测结果，获得一些额外的信息。

比如如果发现某一处房产的价格远远低于模型预测结果，那么我们就可以深入挖掘，究竟是什么原因，使得这个房产的价格离模型差距巨大？是不是有模型没有考虑的因素在里面？比如安全系数，等等。或者，纯粹是物超所值，我们应该果断入手？

继续加油！：）

• 提问者 uuugggd #1

  感谢波波老师回答，
  疫情案例中，当我们有了1月1号到3月1号的特征以及感染人数后搭建了模型，那我们要预测3月～4月的感染人数，不是得获得3～4月的特征信息吗？但如果日期没有到达3～4月，我们就没办法得知这段时间的数据，就只能模拟数据，然后来预测让感染人数？

• liuyubobobo 回复 提问者 uuugggd #2

  看你们的模型是什么样子的了。很多特征是可以获得的，比如温度，湿度，人流密度，这些信息可以从历史数据中估算出来。当然，这种估算会有差距，也正是这个原因，预测只是预测，不是事实。

• 提问者 uuugggd 回复 liuyubobobo #3

  明白了，感谢波波老师！～