Doğrusal regresyonu tamamlayalım
R'de Supervised Learning: Regresyon
Nina Zumel and John Mount
Win-Vector, LLC
Doğrusal Regresyonun Artıları ve Eksileri
- Artıları
- Uydurması ve uygulaması kolay
- Özlü
- Aşırı öğrenmeye daha az yatkın
Doğrusal Regresyonun Artıları ve Eksileri
- Artıları
- Uydurması ve uygulaması kolay
- Özlü
- Aşırı öğrenmeye daha az yatkın
- Yorumlanabilir
Call:
lm(formula = blood_pressure ~ age + weight, data = bloodpressure)
Coefficients:
(Intercept) age weight
30.9941 0.8614 0.3349
Doğrusal Regresyonun Artıları ve Eksileri
- Artıları
- Uydurması ve uygulaması kolay
- Özlü
- Aşırı öğrenmeye daha az yatkın
- Yorumlanabilir
- Eksileri
- Yalnızca doğrusal ve toplayıcı ilişkileri ifade edebilir
Eşdoğrusallık
- Eşdoğrusallık -- girdiler kısmen korele olduğunda.
Call:
lm(formula = blood_pressure ~ age + weight, data = bloodpressure)
Coefficients:
(Intercept) age weight
30.9941 0.8614 0.3349
Eşdoğrusallık
- Eşdoğrusallık -- değişkenler kısmen korele olduğunda.
- Katsayıların işareti değişebilir
Call:
lm(formula = blood_pressure ~ age + weight, data = bloodpressure)
Coefficients:
(Intercept) age weight
30.9941 0.8614 0.3349
Eşdoğrusallık
- Eşdoğrusallık -- değişkenler kısmen korele olduğunda.
- Katsayıların işareti değişebilir
- Yüksek eşdoğrusallık:
- Katsayılar (veya standart hatalar) çok büyük görünür
- Model kararsız olabilir
Call:
lm(formula = blood_pressure ~ age + weight, data = bloodpressure)
Coefficients:
(Intercept) age weight
30.9941 0.8614 0.3349
Sırada Ne Var
- Bir regresyon modelini değerlendirme
- Bir modeli doğru şekilde eğitme
Hadi pratik yapalım!
R'de Supervised Learning: Regresyon
