回歸分析在各行各業的數據分析中有很重要的作用，可以確定自變量和因變量之間的關系，分析出影響性能的關鍵因素。在機器學習領域，回歸算法也是非常重要的。這里我們分享一種統計學意義上的回歸分析。
回歸分析一般人的用法是這樣的：
- 從業務系統導出數據并整理
- 放到excel或者minitab中進行回歸分析
- 剔除不顯著的自變量，添加新的自變量，不斷重復
- 確定顯著的自變量，完成回歸分析
這樣的分析沒問題，但存在幾個問題：
- 效率就比較低下
- 不同的人使用的回歸參數不一樣也會導致結果不一樣
- 大量的業務數據，如此手工分析無法面面俱到
- 對使用回歸分析的人的能力要求較高
為此，我們對回歸分析如何整合到業務系統中進行快捷的分析，我們做了這樣的設計：
設計：
如何能快速的進行類似的分析呢？可以這樣設計：
- 前端通過應用服務器提取參數信息供用戶選擇分析項目
- 用戶選擇后，通過應用服務器提取生產數據庫的數據，提交到計算服務器
- 計算服務器把計算結果返回給應用服務器
- 應用服務器把結果整理格式顯示在前端。
系統架構圖：
回歸分析系統整合架構圖
實現：
前端設計：
通過web服務器，訪問業務數據庫，獲取設備之類的信息
用戶選擇設備自動帶出相關數據供用戶選擇，還可以提供時間、數據點的選項。
image
分析結果：
分析結果直接返回一個回歸分析表，和一個json的回歸分析結果，可以在其他系統調用json。
image
設計方案難點：
- 業務分析，用戶需要清楚知道需要進行的業務分析，不然隨便分析也沒有什么能用的結果
- 數據整理，如何整理能讓用戶選擇的數據，數據需要對齊（x-y對齊），對于復雜的業務和IT系統，整理數據需要花費很多業務人員和IT人員的時間
體驗：
上面的方案設計的實現，請看下方的鏈接：
