Compararea modelelor

Modele Liniare Generalizate în Python

Ita Cirovic Donev

Data Science Consultant

Deviația

  • Formulă $$ D = -2LL(\beta) $$

  • Măsură a erorii

  • Deviație mai mică $\rightarrow$ potrivire mai bună
  • Referință de comparație: deviația nulă $\rightarrow$ model doar cu interceptul
  • Evaluare
    • Adăugarea unei variabile de zgomot aleatoriu ar scădea deviația în medie cu 1
    • Adăugarea a $p$ predictori ar trebui să scadă deviația cu mai mult de $p$
Modele Liniare Generalizate în Python

Deviația în Python

Rezultatul sumar al modelului 'y ~ distance100' cu evidențierea log-likelihood și a statisticii deviației.

Modele Liniare Generalizate în Python

Calculul deviației

  • Extragerea deviației nule și a deviației
    # Extract null deviance
print(model.null_deviance)

4118.0992

# Extract model deviance
print(model.deviance)

4076.2378
  • Calculul deviației folosind log-likelihood
    print(-2*model.llf)

4076.2378
  • Reducere a deviației cu 41,86
  • Includerea distance100 a îmbunătățit potrivirea
Modele Liniare Generalizate în Python

Complexitatea modelului

  • model_1 și model_2, unde
    • $L1 > L2$
    • Numărul de parametri este mai mare în model_2
  • model_2 prezintă supraajustare
Modele Liniare Generalizate în Python

Să exersăm!

Modele Liniare Generalizate în Python

Preparing Video For Download...