Inhaltsverzeichnis:

Wie wählen Sie das beste multiple Regressionsmodell aus?
Wie wählen Sie das beste multiple Regressionsmodell aus?
Anonim

Bei der Auswahl eines linearen Modells sind folgende Faktoren zu beachten:

  1. Nur vergleichen lineare Modelle für denselben Datensatz.
  2. Finde einen Modell mit einem hohen angepassten R2.
  3. Stellen Sie sicher, dass Modell hat gleichverteilte Residuen um Null.
  4. Stellen Sie sicher, dass die Fehler davon Modell liegen in einer kleinen Bandbreite.

Wann sollten Sie die multiple Regression hiervon verwenden?

Multiple Regression ist eine Erweiterung von simple lineare Regression . Es wird verwendet, wenn wir wollen zu den Wert einer Variablen basierend auf dem Wert von zwei oder mehr anderen Variablen vorhersagen. Die Variable wir wollen zu Vorhersage wird als abhängige Variable (oder manchmal auch als Ergebnis-, Ziel- oder Kriteriumsvariable) bezeichnet.

Anschließend stellt sich die Frage, wie wähle ich ein Modell aus? So wählen Sie ein Modell für maschinelles Lernen aus – einige Richtlinien

  1. Daten sammeln.
  2. Überprüfen Sie auf Anomalien, fehlende Daten und bereinigen Sie die Daten.
  3. Führen Sie statistische Analysen und erste Visualisierungen durch.
  4. Modelle bauen.
  5. Überprüfen Sie die Genauigkeit.
  6. Präsentieren Sie die Ergebnisse.

Was sind die verschiedenen Arten von Regressionsmodellen?

Arten der Regression

  • Lineare Regression. Es ist die einfachste Form der Regression.
  • Polynomiale Regression. Es ist eine Technik, um eine nichtlineare Gleichung anzupassen, indem polynomiale Funktionen einer unabhängigen Variablen verwendet werden.
  • Logistische Regression.
  • Quantilregression.
  • Ridge-Regression.
  • Lasso-Regression.
  • Elastische Netzregression.
  • Hauptkomponenten-Regression (PCR)

Wie viele unabhängige Variablen können in der multiplen Regression verwendet werden?

zwei

Empfohlen: