Как выбрать лучшую модель множественной регрессии?

2024 Автор: Stanley Ellington | [email protected]. Последнее изменение: 2023-12-16 00:22

При выборе линейной модели следует учитывать следующие факторы:

1. Только сравнить линейные модели для того же набора данных.
2. Найди модель с высоко настроенным R2.
3. Убедитесь, что это модель имеет равномерно распределенные остатки около нуля.
4. Убедитесь, что ошибки этого модель находятся в пределах небольшой полосы пропускания.

В каких случаях следует использовать множественную регрессию?

Множественная регрессия является расширением простого линейная регрессия . Используется, когда мы хотеть к прогнозировать значение переменной на основе значения двух или более других переменных. Переменная мы хотеть к Прогноз называется зависимой переменной (или иногда переменной результата, цели или критерия).

Впоследствии возникает вопрос, а как выбрать модель? Как выбрать модель машинного обучения - некоторые рекомендации

1. Собирать информацию.
2. Проверьте наличие аномалий, отсутствующих данных и очистите данные.
3. Выполните статистический анализ и начальную визуализацию.
4. Стройте модели.
5. Проверить точность.
6. Представьте результаты.

Итак, какие существуют типы регрессионных моделей?

Типы регрессии

• Линейная регрессия. Это простейшая форма регрессии.
• Полиномиальная регрессия. Это метод подбора нелинейного уравнения путем взятия полиномиальных функций от независимой переменной.
• Логистическая регрессия.
• Квантильная регрессия.
• Хребтовая регрессия.
• Лассо-регрессия.
• Эластичная чистая регрессия.
• Регрессия основных компонентов (ПЦР)

Сколько независимых переменных можно использовать в множественной регрессии?

два