Big Database

调整后的 R 平方是需要关注的统计数据。它告诉我们，我们的模型解释了新粉丝数量变化的 4% 以上。

听起来没什么，对吧？但实际上，确实如此！

试想一下，如果你能够解释 4% 的股市波动。或者利率。

还请记住，这是涉及数千名用户和总计 800,000 天的时间。

那么，
注意我已突出显示的那些。查看 黎巴嫩电报筛选 系数：这些系数告诉我们独立变量中一个单位的移动对因变量的影响。

为了解释这一点，假设用户的平均每日关注者增长率为 0.00196（或 0.196%）。周末，我们预计关注者增长率会下降 0.000453。这听起来不多，但实际上关注者增长率下降了 23%！

当然，虽然你不想把相关性误认为因果关系，但你可以从这个分析中获得一些关于粉丝增长的一般经验：

每条带有图片或标签的推文都意味着新关注者数量增加 2%。

这很直观。使用标签（45% 的广播推文中都有）可以将内容展示给通常无法接触到的人。同样，图片可以让内容对偶尔浏览帐户的人更有吸引力。