Welche Annahmen macht der maschinelle Lernalgorithmus der linearen Regression?
Welche Annahmen macht der maschinelle Lernalgorithmus der linearen Regression?

Video: Welche Annahmen macht der maschinelle Lernalgorithmus der linearen Regression?

Video: Welche Annahmen macht der maschinelle Lernalgorithmus der linearen Regression?
Video: Vorlesung 1.1 - Lineare Regression: Einführung/Notation, Hypothese und Costfunction 2024, November
Anonim

Annahmen zu den Schätzern: Die unabhängigen Variablen werden fehlerfrei gemessen. Die unabhängigen Variablen sind linear unabhängig voneinander, d.h. es gibt ist keine Multikollinearität in den Daten.

Was sind in dieser Hinsicht die vier Annahmen der linearen Regression?

Es gibt vier Annahmen verbunden mit a lineare Regression Modell: Linearität: Die Beziehung zwischen X und dem Mittelwert von Y ist linear . Homoskedastizität: Die Varianz des Residuums ist für jeden Wert von X gleich. Unabhängigkeit: Beobachtungen sind unabhängig voneinander.

Zweitens, was sind die Grundannahmen der linearen Regression? Annahmen der linearen Regression

  • Das Regressionsmodell ist in den Parametern linear.
  • Der Mittelwert der Residuen ist null.
  • Homoskedastizität von Residuen oder gleiche Varianz.
  • Keine Autokorrelation von Residuen.
  • Die X-Variablen und Residuen sind nicht korreliert.
  • Die Variabilität der X-Werte ist positiv.
  • Das Regressionsmodell ist korrekt angegeben.
  • Keine perfekte Multikollinearität.

Was sind die Annahmen der linearen Regression bezüglich Residuen?

Ein Streudiagramm von Restwert Werte im Vergleich zu vorhergesagten Werten ist eine gute Möglichkeit, dies zu überprüfen zum Homoskedastizität. Es sollte kein klares Muster in der Verteilung geben und wenn es ein spezifisches Muster gibt, sind die Daten heteroskedastisch.

Ist Regression eine Form des maschinellen Lernens?

Linear Rückschritt ist ein maschinelles Lernen Algorithmus basierend auf überwachtem Lernen . Es führt ein Rückschritt Aufgabe. Rückschritt modelliert einen Zielvorhersagewert basierend auf unabhängigen Variablen. Linear Rückschritt führt die Aufgabe aus, einen abhängigen Variablenwert (y) basierend auf einer gegebenen unabhängigen Variablen (x) vorherzusagen.

Empfohlen: