Tôi chỉ tự hỏi tại sao các vấn đề hồi quy được gọi là vấn đề "hồi quy". Câu chuyện đằng sau cái tên là gì?
Một định nghĩa cho hồi quy: "Tái phát đến trạng thái kém hoàn hảo hoặc phát triển hơn".
Tôi chỉ tự hỏi tại sao các vấn đề hồi quy được gọi là vấn đề "hồi quy". Câu chuyện đằng sau cái tên là gì?
Một định nghĩa cho hồi quy: "Tái phát đến trạng thái kém hoàn hảo hoặc phát triển hơn".
Câu trả lời:
Thuật ngữ "hồi quy" đã được Francis Galton sử dụng trong bài báo "Hồi quy theo hướng tầm thường" năm 1886 của ông. Theo hiểu biết của tôi, ông chỉ sử dụng thuật ngữ này trong bối cảnh hồi quy về giá trị trung bình . Thuật ngữ này sau đó đã được những người khác chấp nhận để có được ít nhiều ý nghĩa của nó ngày nay như là một phương pháp thống kê chung.
Trái ngược với sự tiến bộ, chúng ta đang rơi trở lại trung bình, tức là thoái lui. Do đó, hồi quy hạn! Tôi nghĩ rằng một cái gì đó đã được chọn và bị mắc kẹt.
@Mark White đã đề cập đến liên kết này nhưng đối với những bạn không có nhiều thời gian để kiểm tra liên kết, đây là câu trả lời được tham khảo chính xác:
Thuật ngữ "hồi quy" được đặt ra bởi Francis Galton trong thế kỷ 19 để mô tả một hiện tượng sinh học. Hiện tượng là chiều cao của hậu duệ của tổ tiên cao có xu hướng thoái lui xuống mức trung bình bình thường (một hiện tượng còn được gọi là hồi quy về giá trị trung bình) (Galton, tái bản 1989). Đối với Galton, hồi quy chỉ có ý nghĩa sinh học này (Galton, 1887) , nhưng công việc của ông sau đó đã được Udny Yule và Karl Pearson mở rộng sang bối cảnh thống kê tổng quát hơn (Pearson, 1903).
https://en.wikipedia.org/wiki/Regression_analysis#History
Galton, F. (1877). Quy luật điển hình của di truyền. III. Thiên nhiên, 15 (389), 512-514.
Galton, F. (tái bản 1989). Quan hệ và tương quan. Khoa học thống kê, 4 (2), 80 Ném86.
Pearson, K. (1903). Quy luật di truyền của tổ tiên. Biometrika, 2 (2), 211-228.
"Regression" xuất phát từ "hồi quy", đến lượt nó xuất phát từ "regressus" Latin - để quay trở lại (với một cái gì đó).
Theo nghĩa đó, hồi quy là kỹ thuật cho phép "quay trở lại" từ dữ liệu lộn xộn, khó diễn giải, sang một mô hình rõ ràng và có ý nghĩa hơn. Là một nhà vật lý, tôi thích ý tưởng này, vì các nhà vật lý xem các hiện tượng tự nhiên là nhiều kết quả có thể có của một quy luật tự nhiên tương đối đơn giản.
Nói cách khác, hồi quy từ dường như cho thấy rằng dữ liệu chỉ là hiệu ứng hữu hình, hữu hình của một "mô hình thống kê". Nói cách khác, mô hình xuất hiện đầu tiên và mong muốn của bạn là sử dụng dữ liệu "quay trở lại" với những gì bắt nguồn từ chúng.