Transformarea variabilelor de intrare înainte de modelare

Învățare supervizată în R: Regresia

Nina Zumel and John Mount

Win-Vector LLC

De ce să transformăm variabilele de intrare

Cunoștințe de domeniu/variabile sintetice
- $Intelligence \sim \frac{mass.brain}{mass.body^{2/3}}$

Cunoștințe de domeniu/variabile sintetice
- $Intelligence \sim \frac{mass.brain}{mass.body^{2/3}}$
Motive pragmatice
- Transformare logaritmică pentru reducerea intervalului dinamic
- Transformare logaritmică deoarece modificările semnificative sunt multiplicative

Cunoștințe de domeniu/variabile sintetice
- $Intelligence \sim \frac{mass.brain}{mass.body^{2/3}}$
Motive pragmatice
- Transformare logaritmică pentru reducerea intervalului dinamic
- Transformare logaritmică deoarece modificările semnificative sunt multiplicative
- $y$ aproximativ liniar în $f(x)$, nu în $x$

Care este cea mai bună?

I(): tratează o expresie literal (nu ca interacțiune)

Modele liniare, pătratice și cubice

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

Utilizați validarea încrucișată pentru a evalua modelele

Învățare supervizată în R: Regresia