Patrząc na modelowanie statystyczne, zauważysz, że analiza odwrócenia będzie procesem szacowania różnych relacji, które widzisz między zmiennymi. Będzie to obejmować techniki, których używasz podczas analizowania i modelowania kilku zmiennych jednocześnie, ilekroć koncentrujesz się na pokazaniu związku między zmienną niezależną i zależną. Analiza odwrócenia pomoże Ci zrozumieć, jak zmieni się zwykła wartość zmiennej zależnej, podczas gdy zmienna niezależna nie ulegnie zmianie. Odwrócenie ma również na celu oszacowanie warunkowego oczekiwania dla zmiennej zależnej na podstawie zmiennej niezależnej i średniej wartości tej zmiennej. Rzadziej zobaczysz kwantyl lub parametry lokalizacji dla rozkładu warunkowego zmiennej zależnej od tego, czym jest zmienna niezależna. W większości przypadków oszacowanie będzie wyrażeniem zmiennej niezależnej, którą będziemy nazywać wyrażeniem odwrócenia. Zajmując się analizą rewersji, wykażesz także swoje zainteresowanie charakterystyką wariancji zmiennej zależnej względem wyrażenia, które zostanie opisane jako rozkład prawdopodobieństwa. Jednym z podejść, jakie można zastosować, jest analiza warunkowa, która przyjmie oszacowanie wartości maksymalnej zamiast średniej zmiennych zależnych w oparciu o podaną zmienną niezależną, dzięki czemu można zdecydować, czy zmienna niezależna jest konieczna, ale niewystarczająca dla wartości nadawanej zmiennej zależnej. Będziesz używać wersji rewersyjnej do prognozowania i gdy pokrywa się ona z uczeniem maszynowym. Użyjesz go również jako sposobu na zrozumienie związku pomiędzy zmiennymi niezależnymi i zależnymi. Kiedy mamy do czynienia z ograniczoną okolicznością, można zastosować odwrócenie, aby wywnioskować związek przyczynowy pomiędzy zmiennymi. Może to jednak zakończyć się fałszywym związkiem; dlatego należy zachować ostrożność podczas korzystania z rewersji. Istnieje kilka technik, które można zastosować do odwracania, np. liniowe odwrócenie lub odwrócenie metodą najmniejszych kwadratów. Twoje wyrażenie odwrócenia zostanie zdefiniowane w kategoriach liczb skończonych, które nie będą miały znanego parametru. Odwrócenie nieparametryczne będzie techniką stosowaną przy umożliwieniu użycia wyrażenia odwrócenia dla zestawu wyrażeń, które mogą powodować nieskończoność wymiarową. Wydajność analizy rewersji będzie zależeć od metod, które praktykujesz jako formę procesów generowania danych oraz ich powiązania z podejściem odwrócenia, którego używasz – ponieważ prawdziwa forma generowania danych nie zawsze będzie znana od czasu analizy rewersji będzie zależeć od zakresu przyjętych założeń. Twoje założenia muszą być możliwe do przetestowania, aby sprawdzić, czy dostarczono wystarczającą ilość danych.