Turinys:

Kaip pasirinkti geriausią kelių regresijos modelį?
Kaip pasirinkti geriausią kelių regresijos modelį?

Video: Kaip pasirinkti geriausią kelių regresijos modelį?

Video: Kaip pasirinkti geriausią kelių regresijos modelį?
Video: 🧨 Подробнейший обзор "пятёрки" BMW F10. Есть ли в ней плюсы? Или одни минусы? 2024, Lapkritis
Anonim

Renkantis linijinį modelį, reikia atsižvelgti į šiuos veiksnius:

  1. Tik palygink linijiniai modeliai tam pačiam duomenų rinkiniui.
  2. Surasti modelis su aukštai sureguliuotu R2.
  3. Įsitikinkite, kad tai modelis turi vienodai paskirstytas liekanas apie nulį.
  4. Įsitikinkite, kad yra šios klaidos modelis yra nedidelio pralaidumo ribose.

Kada reikėtų naudoti daugialypę regresiją?

Daugkartinė regresija yra paprasto pratęsimas tiesinė regresija . Jis naudojamas, kai mes nori į numatyti kintamojo vertę pagal dviejų ar daugiau kitų kintamųjų reikšmę. Kintamasis mes nori į prognozuoti vadinamas priklausomu kintamuoju (arba kartais rezultato, tikslo ar kriterijaus kintamuoju).

Tada kyla klausimas, kaip pasirinkti modelį? Kaip pasirinkti mašininio mokymosi modelį – kai kurios gairės

  1. Rinkti duomenis.
  2. Patikrinkite, ar nėra anomalijų, trūkstamų duomenų ir išvalykite duomenis.
  3. Atlikite statistinę analizę ir pirminę vizualizaciją.
  4. Sukurti modelius.
  5. Patikrinkite tikslumą.
  6. Pateikite rezultatus.

Tiesiog, kokie yra skirtingi regresijos modelių tipai?

Regresijos tipai

  • Tiesinė regresija. Tai paprasčiausia regresijos forma.
  • Polinominė regresija. Tai būdas pritaikyti netiesinę lygtį, imant nepriklausomo kintamojo daugianario funkcijas.
  • Logistinė regresija.
  • Kvantilė regresija.
  • Ridžo regresija.
  • Lasso regresija.
  • Elastinė grynoji regresija.
  • Pagrindinių komponentų regresija (PGR)

Kiek nepriklausomų kintamųjų galima naudoti daugialypėje regresijoje?

du

Rekomenduojamas: