Inhoudsopgave:

Hoe kies je het beste meervoudige regressiemodel?
Hoe kies je het beste meervoudige regressiemodel?

Video: Hoe kies je het beste meervoudige regressiemodel?

Video: Hoe kies je het beste meervoudige regressiemodel?
Video: Model Selection in Multiple Regression 2024, November
Anonim

Bij het kiezen van een lineair model zijn dit factoren om in gedachten te houden:

  1. Alleen vergelijken lineaire modellen voor dezelfde dataset.
  2. Vind een model - met een hoog afgestelde R2.
  3. Zorg ervoor dat dit model - heeft gelijk verdeelde residuen rond nul.
  4. Zorg ervoor dat de fouten hiervan model - bevinden zich binnen een kleine bandbreedte.

Hiervan, wanneer moet u meervoudige regressie gebruiken?

Meervoudige regressie is een uitbreiding van simple lineaire regressie . Het wordt gebruikt wanneer wij wil tot de waarde van een variabele voorspellen op basis van de waarde van twee of meer andere variabelen. de variabele wij wil tot voorspellen wordt de afhankelijke variabele genoemd (of soms de uitkomst-, doel- of criteriumvariabele).

Vervolgens is de vraag, hoe kies ik een model? Een machine learning-model kiezen – enkele richtlijnen

  1. Data verzamelen.
  2. Controleer op afwijkingen, ontbrekende gegevens en reinig de gegevens.
  3. Voer statistische analyse en eerste visualisatie uit.
  4. Modellen bouwen.
  5. Controleer de nauwkeurigheid.
  6. Presenteer de resultaten.

Simpel gezegd, wat zijn de verschillende soorten regressiemodellen?

Soorten regressie

  • Lineaire regressie. Het is de eenvoudigste vorm van regressie.
  • Polynomiale regressie. Het is een techniek om een niet-lineaire vergelijking te passen door polynoomfuncties van een onafhankelijke variabele te nemen.
  • Logistieke regressie.
  • Kwantiele regressie.
  • Rug regressie.
  • Lasso-regressie.
  • Elastische netto regressie.
  • Belangrijkste componenten regressie (PCR)

Hoeveel onafhankelijke variabelen kunnen worden gebruikt in meervoudige regressie?

twee

Aanbevolen: