Jak wybrać najlepszy model regresji wielokrotnej?

2024 Autor: Stanley Ellington | [email protected]. Ostatnio zmodyfikowany: 2023-12-16 00:21

Wybierając model liniowy, należy pamiętać o następujących czynnikach:

1. Tylko porównaj modele liniowe dla tego samego zbioru danych.
2. Znajdź Model z wysokim regulowanym R2.
3. Upewnij się, że Model ma równomiernie rozłożone reszty wokół zera.
4. Upewnij się, że błędy tego Model znajdują się w małej przepustowości.

W związku z tym, kiedy należy stosować regresję wielokrotną?

Regresja wielokrotna jest rozszerzeniem prostego regresja liniowa . Jest używany, gdy my chcieć do przewidzieć wartość zmiennej na podstawie wartości dwóch lub więcej innych zmiennych. Zmienna my chcieć do przewidywanie nazywa się zmienną zależną (lub czasami zmienną wynikową, docelową lub kryterium).

Następnie pojawia się pytanie, jak wybrać model? Jak wybrać model uczenia maszynowego – kilka wskazówek

1. Zbieraj dane.
2. Sprawdź anomalie, brakujące dane i wyczyść dane.
3. Wykonaj analizę statystyczną i wstępną wizualizację.
4. Buduj modele.
5. Sprawdź dokładność.
6. Przedstaw wyniki.

Po prostu, jakie są różne typy modeli regresji?

Rodzaje regresji

• Regresja liniowa. Jest to najprostsza forma regresji.
• Regresja wielomianowa. Jest to technika dopasowywania równania nieliniowego poprzez wielomianową funkcję zmiennej niezależnej.
• Regresja logistyczna.
• Regresja kwantylowa.
• Regresja grzbietowa.
• Regresja Lasso.
• Elastyczna regresja netto.
• Regresja głównych składowych (PCR)

Ile zmiennych niezależnych można wykorzystać w regresji wielokrotnej?

dwa