Transformer les entrées avant la modélisation

Apprentissage supervisé en R : Régression

Nina Zumel and John Mount

Win-Vector LLC

Pourquoi transformer les variables d'entrée

Connaissances du domaine/variables synthétiques
- $Intelligence \sim \frac{mass.brain}{mass.body^{2/3}}$

Connaissances du domaine/variables synthétiques
- $Intelligence \sim \frac{mass.brain}{mass.body^{2/3}}$
Raisons pragmatiques
- Transformation logarithmique pour réduire la plage dynamique
- Transformation logarithmique si les variations pertinentes sont multiplicatives

Connaissances du domaine/variables synthétiques
- $Intelligence \sim \frac{mass.brain}{mass.body^{2/3}}$
Raisons pragmatiques
- Transformation logarithmique pour réduire la plage dynamique
- Transformation logarithmique si les variations pertinentes sont multiplicatives
- $y$ est approximativement linéaire en $f(x)$ plutôt qu'en $x$

Quelle est la meilleure ?

I() : traiter une expression littéralement (et non comme une interaction)

Modèles linéaire, quadratique et cubique

mod_lin <- lm(anx ~ hassles, hassleframe)
summary(mod_lin)$r.squared

0.5334847

mod_quad <- lm(anx ~ I(hassles^2), hassleframe)
summary(mod_quad)$r.squared

0.6241029

mod_tritic <- lm(anx ~ I(hassles^3), hassleframe)
summary(mod_tritic)$r.squared

0.6474421

Utiliser la validation croisée pour évaluer les modèles

Apprentissage supervisé en R : Régression