Kan lineaire regressie worden gebruikt om de verkoop te voorspellen met de beperking van niet-negativiteit?

Lineaire regressie kan worden gebruikt om verkoop te voorspellen, maar houdt standaard geen rekening met de niet-negativiteitsbeperking. Bij klassieke lineaire regressie kunnen voorspellingen elke waarde aannemen, inclusief negatieve, wat geen zin heeft voor verkoop.

Om de niet-negativiteitsbeperking in acht te nemen, kan men:

• Modellen met beperkingen gebruiken, zoals regressie met beperkingen (constrained regression) of quadratische programmering.
• Een transformatie toepassen op de doelvariabele, bijvoorbeeld logaritmeren (log(y + 1)), om positieve voorspellingen te garanderen, en vervolgens het resultaat terug te transformeren.
• Gespecialiseerde modellen gebruiken, zoals regressie met niet-negatieve coëfficiënten (Non-negative Least Squares).

Voorbeeld met logaritmische transformatie:

import numpy as np
from sklearn.linear_model import LinearRegression

# X - kenmerken, y - verkoop
X = ...
y = ...

# Transformatie van de doelvariabele
log_y = np.log1p(y)

model = LinearRegression()
model.fit(X, log_y)

# Voorspelling
log_pred = model.predict(X_new)
pred = np.expm1(log_pred)  # Omgekeerde transformatie

Op deze manier kan lineaire regressie worden gebruikt, maar om niet-negativiteit te waarborgen, moeten aanvullende methoden of transformaties worden toegepast.