Eingaben vor dem Modellieren transformieren

Überwachtes Lernen in R: Regression

Nina Zumel and John Mount

Win-Vector LLC

Warum Eingabevariablen transformieren

Domänenwissen/synthetische Variablen
- $Intelligence \sim \frac{mass.brain}{mass.body^{2/3}}$

Domänenwissen/synthetische Variablen
- $Intelligence \sim \frac{mass.brain}{mass.body^{2/3}}$
Pragmatische Gründe
- Log-Transformation zur Verringerung der Dynamik
- Log-Transformation, wenn sinnvolle Änderungen multiplikativ sind

Domänenwissen/synthetische Variablen
- $Intelligence \sim \frac{mass.brain}{mass.body^{2/3}}$
Pragmatische Gründe
- Log-Transformation zur Verringerung der Dynamik
- Log-Transformation, wenn sinnvolle Änderungen multiplikativ sind
- $y$ ist näherungsweise linear in $f(x)$ statt in $x$

Welche ist am besten?

I(): Ausdruck wörtlich behandeln (nicht als Interaktion)

Lineare, quadratische und kubische Modelle

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

Bewerte die Modelle per Cross-Validation

Überwachtes Lernen in R: Regression