Mitä oletuksia lineaarisen regression koneoppimisalgoritmi tekee?
Mitä oletuksia lineaarisen regression koneoppimisalgoritmi tekee?

Video: Mitä oletuksia lineaarisen regression koneoppimisalgoritmi tekee?

Video: Mitä oletuksia lineaarisen regression koneoppimisalgoritmi tekee?
Video: Machine Learning with Python! Mean Squared Error (MSE) 2024, Saattaa
Anonim

Oletukset estimaattoreista: Riippumattomat muuttujat mitataan virheettömästi. Riippumattomat muuttujat ovat lineaarisesti riippumattomia toisistaan, eli siellä On tiedoissa ei ole multikollineaarisuutta.

Mitkä ovat tässä suhteessa lineaarisen regression neljä oletusta?

Siellä on neljä oletusta liittyy a lineaarinen regressio malli: Lineaarisuus: X:n ja Y:n keskiarvon välinen suhde on lineaarinen . Homosedastisuus: Residuaalin varianssi on sama mille tahansa X:n arvolle. Riippumattomuus: Havainnot ovat toisistaan riippumattomia.

Toiseksi, mitkä ovat lineaarisen regression perusoletukset? Lineaarisen regression oletukset

  • Regressiomallin parametrit ovat lineaarisia.
  • Jäännösten keskiarvo on nolla.
  • Residuaalien homosedastisuus tai yhtä suuri varianssi.
  • Ei jäännösten autokorrelaatiota.
  • X-muuttujat ja jäännökset eivät korreloi.
  • X-arvojen vaihtelu on positiivinen.
  • Regressiomalli on määritetty oikein.
  • Ei täydellistä multikollineaarisuutta.

Mitkä ovat residuaaleja koskevat lineaarisen regression oletukset?

Hajakuvaaja jäännös arvot vs ennustetut arvot on hyvä tapa tarkistaa varten homoskedastisuus. Jakaumassa ei pitäisi olla selkeää kaavaa, ja jos tietty kaava on olemassa, data on heteroskedastista.

Onko regressio koneoppimisen muoto?

Lineaarinen Regressio on koneoppiminen algoritmi perustuu valvottuun oppimista . Se suorittaa a regressio tehtävä. Regressio mallintaa tavoiteennustusarvon riippumattomien muuttujien perusteella. Lineaarinen regressio suorittaa tehtävän ennustaa riippuvaisen muuttujan arvo (y) tietyn riippumattoman muuttujan (x) perusteella.

Suositeltava: