Biến đổi đầu vào trước khi mô hình hóa

Học có giám sát với R: Hồi quy

Nina Zumel and John Mount

Win-Vector LLC

Vì sao cần biến đổi biến đầu vào

  • Kiến thức miền/biến tổng hợp
    • $Intelligence \sim \frac{mass.brain}{mass.body^{2/3}}$
Học có giám sát với R: Hồi quy

Vì sao cần biến đổi biến đầu vào

  • Kiến thức miền/biến tổng hợp
    • $Intelligence \sim \frac{mass.brain}{mass.body^{2/3}}$
  • Lý do thực dụng
    • Log transform để giảm dải động
    • Log transform khi thay đổi ý nghĩa của biến mang tính nhân
Học có giám sát với R: Hồi quy

Vì sao cần biến đổi biến đầu vào

  • Kiến thức miền/biến tổng hợp
    • $Intelligence \sim \frac{mass.brain}{mass.body^{2/3}}$
  • Lý do thực dụng
    • Log transform để giảm dải động
    • Log transform khi thay đổi ý nghĩa của biến mang tính nhân
    • $y$ xấp xỉ tuyến tính theo $f(x)$ hơn là theo $x$
Học có giám sát với R: Hồi quy

Ví dụ: Dự đoán lo âu

Học có giám sát với R: Hồi quy

Biến đổi biến hassles

Học có giám sát với R: Hồi quy

Các phương án khớp khác nhau

Cách nào tốt nhất?

  • anx ~ I(hassles^2)
  • anx ~ I(hassles^3)
  • anx ~ I(hassles^2) + I(hassles^3)
  • anx ~ exp(hassles)
  • ...

I(): xử lý biểu thức theo nghĩa đen (không coi là tương tác)

Học có giám sát với R: Hồi quy

So sánh các mô hình khác nhau

Mô hình tuyến tính, bậc hai và bậc ba

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
Học có giám sát với R: Hồi quy

So sánh các mô hình khác nhau

Dùng cross-validation để đánh giá mô hình

Model RMSE
Linear ($hassles$) 7.69
Quadratic ($hassles^2$) 6.89
Cubic ($hassles^3$) 6.70
Học có giám sát với R: Hồi quy

Cùng luyện tập nào!

Học có giám sát với R: Hồi quy

Preparing Video For Download...