回帰メソッドにより、履歴データが行と一致します。行を定義する数学的方程式は次のとおりです。
すべての方程式で、yは予測値で、xは時系列の履歴となっています。
リニア回帰メソッド
直線関係（y=a*x+b）はデータに比例します。
ここで、aは傾き、bは切片を表します。
非リニア回帰メソッド
非リニア回帰メソッドでは、直線関係（y'=a*x'+b）はオリジナル・データの変換に一致します。それぞれのメソッドは、変換のときに異なる方程式を使用します。
多項式一致: 方程式x'=log(x)およびy'=log(y)は、xとy（y=c*x^a）間で多項式モデルを延長すると得られます。
指数一致: 方程式x'=xおよびy'=ln(y)は、xおよびy（y=c*e^ax）間で指数モデルを延長すると得られます。
対数一致: 方程式x'=log(x)およびy'=yは、xおよびy（y=a*log(x)+b）間の対数モデルを延長すると得られます。
漸近一致: 方程式x'=1/xおよびy'=1/yは漸近曲線(y=x/(a+bx))を延長すると得られます。
漸近指数一致: 方程式x'=xおよびy'=ln(y/(K-y))は、漸近指数曲線(y=cKe^ax/(1+ce^ax))を延長すると得られます。
Copyright (C) 2003, 2007, Oracle. All rights reserved.