Sisällysluettelo:

Miten valitset parhaan moniregressiomallin?
Miten valitset parhaan moniregressiomallin?

Video: Miten valitset parhaan moniregressiomallin?

Video: Miten valitset parhaan moniregressiomallin?
Video: Perhokalastusvinkki - Kalasta kahdella perholla samaan aikaan - Miten sivuperuke solmu tehdään? 2024, Saattaa
Anonim

Lineaarista mallia valittaessa on otettava huomioon seuraavat tekijät:

  1. Vain vertailla lineaariset mallit samalle tietojoukolle.
  2. Löydä malli - korkealla säädetyllä R2:lla.
  3. Varmista tämä malli - on tasaisesti jakautunut residuaalit nollan ympärille.
  4. Varmista tämän virheet malli - ovat pienellä kaistanleveydellä.

Milloin sinun tulee käyttää moninkertaista regressiota?

Moninkertainen regressio on yksinkertaisen jatke lineaarinen regressio . Sitä käytetään kun me haluta kohteeseen ennustaa muuttujan arvo kahden tai useamman muun muuttujan arvon perusteella. Muuttuja me haluta kohteeseen ennustaa kutsutaan riippuvaiseksi muuttujaksi (tai joskus tulokseksi, tavoite- tai kriteerimuuttujaksi).

Tämän jälkeen kysymys kuuluu, kuinka valitsen mallin? Koneoppimismallin valitseminen – joitain ohjeita

  1. Kerätä dataa.
  2. Tarkista poikkeamat, puuttuvat tiedot ja puhdista tiedot.
  3. Suorita tilastollinen analyysi ja alustava visualisointi.
  4. Rakenna malleja.
  5. Tarkista tarkkuus.
  6. Esittele tulokset.

Yksinkertaisesti sanottuna, mitkä ovat erityyppiset regressiomallit?

Regression tyypit

  • Lineaarinen regressio. Se on yksinkertaisin regression muoto.
  • Polynomiregressio. Se on tekniikka epälineaarisen yhtälön sovittamiseksi ottamalla riippumattoman muuttujan polynomifunktiot.
  • Logistinen regressio.
  • Kvantiili regressio.
  • Ridge Regressio.
  • Lasson regressio.
  • Elastinen nettoregressio.
  • Pääkomponenttien regressio (PCR)

Kuinka monta riippumatonta muuttujaa voidaan käyttää moninkertaisessa regressiossa?

kaksi

Suositeltava: