回归分析在各行各业的数据分析中有很重要的作用，可以确定自变量和因变量之间的关系，分析出影响性能的关键因素。在机器学习领域，回归算法也是非常重要的。这里我们分享一种统计学意义上的回归分析。
回归分析一般人的用法是这样的：
- 从业务系统导出数据并整理
- 放到excel或者minitab中进行回归分析
- 剔除不显著的自变量，添加新的自变量，不断重复
- 确定显著的自变量，完成回归分析
这样的分析没问题，但存在几个问题：
- 效率就比较低下
- 不同的人使用的回归参数不一样也会导致结果不一样
- 大量的业务数据，如此手工分析无法面面俱到
- 对使用回归分析的人的能力要求较高
为此，我们对回归分析如何整合到业务系统中进行快捷的分析，我们做了这样的设计：
设计：
如何能快速的进行类似的分析呢？可以这样设计：
- 前端通过应用服务器提取参数信息供用户选择分析项目
- 用户选择后，通过应用服务器提取生产数据库的数据，提交到计算服务器
- 计算服务器把计算结果返回给应用服务器
- 应用服务器把结果整理格式显示在前端。
系统架构图：
回归分析系统整合架构图
实现：
前端设计：
通过web服务器，访问业务数据库，获取设备之类的信息
用户选择设备自动带出相关数据供用户选择，还可以提供时间、数据点的选项。
image
分析结果：
分析结果直接返回一个回归分析表，和一个json的回归分析结果，可以在其他系统调用json。
image
设计方案难点：
- 业务分析，用户需要清楚知道需要进行的业务分析，不然随便分析也没有什么能用的结果
- 数据整理，如何整理能让用户选择的数据，数据需要对齐（x-y对齐），对于复杂的业务和IT系统，整理数据需要花费很多业务人员和IT人员的时间
体验：
上面的方案设计的实现，请看下方的链接：
