So sánh mô hình

Mô hình Tuyến tính Tổng quát (GLM) trong Python

Ita Cirovic Donev

Data Science Consultant

Độ lệch (Deviance)

  • Công thức $$ D = -2LL(\beta) $$

  • Thước đo sai số

  • Độ lệch nhỏ hơn $\rightarrow$ khớp mô hình tốt hơn
  • Mốc so sánh là độ lệch rỗng $\rightarrow$ mô hình chỉ có hằng số chặn
  • Đánh giá
    • Thêm biến nhiễu ngẫu nhiên trung bình giảm độ lệch 1 đơn vị
    • Thêm $p$ biến dự báo nên làm độ lệch giảm nhiều hơn $p$
Mô hình Tuyến tính Tổng quát (GLM) trong Python

Độ lệch trong Python

Kết quả tóm tắt của mô hình 'y ~ distance100' với phần log-likelihood và thống kê deviance được tô sáng.

Mô hình Tuyến tính Tổng quát (GLM) trong Python

Tính độ lệch

  • Trích xuất độ lệch rỗng và độ lệch mô hình
    # Extract null deviance
print(model.null_deviance)

4118.0992

# Extract model deviance
print(model.deviance)

4076.2378
  • Tính độ lệch từ log-likelihood
    print(-2*model.llf)

4076.2378
  • Giảm độ lệch: 41,86
  • Thêm distance100 cải thiện độ khớp
Mô hình Tuyến tính Tổng quát (GLM) trong Python

Độ phức tạp mô hình

  • model_1 và model_2, trong đó
    • $L1 > L2$
    • Số tham số lớn hơn ở model_2
  • model_2 đang quá khớp (overfitting)
Mô hình Tuyến tính Tổng quát (GLM) trong Python

Hãy thực hành!

Mô hình Tuyến tính Tổng quát (GLM) trong Python

Preparing Video For Download...