Сравнение моделей

Обобщённые линейные модели в Python

Ita Cirovic Donev

Data Science Consultant

Девианса

  • Формула $$ D = -2LL(\beta) $$

  • Мера ошибки

  • Меньше девиансы $\rightarrow$ лучше подгонка модели
  • Эталон для сравнения — нулевая девианса $\rightarrow$ модель только с интерсептом
  • Оценка
    • Добавление случайного шумового предиктора в среднем уменьшает девиансу на 1
    • Добавление $p$ предикторов должно уменьшать девиансу более чем на $p$
Обобщённые линейные модели в Python

Девианса в Python

Сводный вывод модели «y ~ distance100» с выделением логарифмического правдоподобия и статистики девиансы.

Обобщённые линейные модели в Python

Вычисление девиансы

  • Извлечение нулевой девиансы и девиансы модели
    # Extract null deviance
print(model.null_deviance)

4118.0992

# Extract model deviance
print(model.deviance)

4076.2378
  • Вычисление девиансы через логарифмическое правдоподобие
    print(-2*model.llf)

4076.2378
  • Девианса снизилась на 41,86
  • Включение distance100 улучшило подгонку модели
Обобщённые линейные модели в Python

Сложность модели

  • model_1 и model_2, где
    • $L1 > L2$
    • Число параметров у model_2 больше
  • model_2 переобучена
Обобщённые линейные модели в Python

Давайте потренируемся!

Обобщённые линейные модели в Python

Preparing Video For Download...