Modelleri karşılaştırma

Python ile Genelleştirilmiş Doğrusal Modeller

Ita Cirovic Donev

Data Science Consultant

Sapma (Deviance)

  • Formül $$ D = -2LL(\beta) $$

  • Hata ölçüsü

  • Daha düşük sapma $\rightarrow$ daha iyi uyum
  • Karşılaştırma ölçütü: boş sapma $\rightarrow$ yalnızca kesmeli model
  • Değerlendirme
    • Rastgele gürültü değişkeni eklemek ortalamada sapmayı 1 azaltır
    • Modele $p$ yordayıcı eklenirse sapma $p$'den fazla azalmalıdır
Python ile Genelleştirilmiş Doğrusal Modeller

Python’da sapma

‘y ~ distance100’ modelinin özet çıktısı; log-olabilirlik ve sapma istatistiği vurgulanmış.

Python ile Genelleştirilmiş Doğrusal Modeller

Sapma hesaplama

  • Boş sapma ve sapmayı çıkarma
    # Extract null deviance
print(model.null_deviance)

4118.0992

# Extract model deviance
print(model.deviance)

4076.2378
  • Log olabilirlikten sapma hesaplama
    print(-2*model.llf)

4076.2378
  • Sapmada 41,86 azalma
  • distance100 eklemek uyumu iyileştirdi
Python ile Genelleştirilmiş Doğrusal Modeller

Model karmaşıklığı

  • model_1 ve model_2, burada
    • $L1 > L2$
    • Parametre sayısı model_2’de daha yüksek
  • model_2 aşırı uyum yapıyor
Python ile Genelleştirilmiş Doğrusal Modeller

Haydi pratik yapalım!

Python ile Genelleştirilmiş Doğrusal Modeller

Preparing Video For Download...