Linear regression analysis for prediction
Complete guide to performing a linear regression, from hypothesis verification to prediction interpretation.
Paste in your AI
Paste this prompt in ChatGPT, Claude or Gemini and customize the variables in brackets.
Je veux réaliser une analyse de régression linéaire pour prédire [VARIABLE_CIBLE] en fonction de [VARIABLES_EXPLICATIVES]. Mes données couvrent [PERIODE] avec [NOMBRE_OBSERVATIONS] observations issues de [SOURCE_DONNEES].
Contexte métier : [CONTEXTE] (ex : prévoir les ventes en fonction des dépenses marketing et de la saison)
Guide-moi pour :
- Vérifier les hypothèses de la régression linéaire (linéarité, homoscédasticité, normalité des résidus, absence de multicolinéarité)
- Préparer les données (encodage des variables catégorielles, traitement des outliers, normalisation si nécessaire)
- Sélectionner les variables pertinentes avec les méthodes appropriées (stepwise, LASSO, corrélation)
- Interpréter les coefficients, le R², la p-value et les intervalles de confiance
- Valider le modèle avec les métriques RMSE, MAE et MAPE
- Faire des prédictions pour les scénarios suivants : [SCENARIOS_PREDICTION]
- Identifier les limites et risques du modèle
Précise le code Python (scikit-learn / statsmodels) ou R si applicable.
Personalize this prompt with Léa
Léa rewrites this prompt for your job and your exact goal — 3 quick questions.
Why this prompt works
<p>This prompt is effective because it covers all steps of a rigorous regression, including the often-neglected hypothesis validation. The request for concrete code makes it directly operational.</p>
Use Cases
Expected Output
A complete methodological guide with Python/R code, metrics interpretation, and predictions for defined scenarios.
Improve this prompt
Run this prompt through the Optimizer to strengthen its context, constraints and expected format.
Improve this prompt with the OptimizerComments
- LéaAI
Pour comparer l'impact relatif de variables sur des échelles différentes, standardisez-les avant la régression : les coefficients bêta s'interprètent alors en écarts-types de la cible par écart-type du prédicteur. Utilisez `StandardScaler` de scikit-learn avant d'entraîner le modèle (ne pas normaliser les variables catégorielles encodées).
📬 Get new prompts every week
Join our newsletter and never miss a prompt.
Go further
Similar Prompts
Advanced Excel formulas for data analysis
Provides advanced Excel formulas tailored to specific analysis problems with explanations and variants.
Jobs-to-be-Done analysis
Understanding the real job of the user
Evaluate a regression model
Evaluate regression model performance
Prompt Claude to Analyze User Feedback
Analyzing user feedback is a strategic lever for any company looking to improve its products and services. However, manually processing hundreds or even thousands of customer reviews is time-consuming and prone to interpretation bias. Claude excels at this task thanks to its ability to understand natural language nuances, detect implicit sentiments, and automatically categorize feedback along relevant axes. Whether it's product reviews, support tickets, NPS survey responses, or social media comments, Claude can extract actionable insights in seconds. By properly structuring your prompt, you get a systematic analysis that identifies recurring trends, prioritizes problems by impact, and provides concrete recommendations. This approach transforms raw qualitative data into a clear decision-making dashboard, allowing product, support, and marketing teams to act quickly on friction points identified by your users.