मॉडल प्राथमिकता

Decision Science समझना

Howard Friedman

Adjunct Professor at Columbia University

Linear regression से सरल शुरुआत

  • मान्यताओं के पूरे होने पर निरंतर outcomes के लिए प्रभावी
  • वास्तविक-world विश्लेषण में 200+ साल की सिद्ध उपयोगिता

सादगी में ताकत है

  • Linear regression आपके डेटा से best-fit रेखा ढूँढता है
  • Transformations के साथ यह जटिल non-linear संबंध भी मॉडल कर सकता है

Interpretability मायने रखती है

  • Coefficients alignment में मदद करते हैं
  • गणना तेज, समझाना आसान
     

linear.png

Decision Science समझना

Logistic regression

कई वास्तविक-world समस्याएँ binary या categorical भविष्यवाणी से जुड़ी होती हैं:

  • Fraud detection, churn prediction, और healthcare risk मॉडल

coinflip.png

Logistic regression बेहद बहुउपयोगी है

  • Binary outcomes, कई categories, या ordered outcomes के लिए उपयुक्त

Probabilities निर्णय लेने में सहायक

समझना और लागू करना आसान

  • Coefficients दिखाते हैं कि हर feature outcome को कैसे प्रभावित करता है
  • अधिक जटिल classifiers के लिए बेहतरीन baseline
Decision Science समझना

Feature transformations

मजबूत baseline मॉडल से शुरू करें

  • पहले एक कार्यशील संस्करण बनाएँ, फिर एडवांस्ड मॉडलों का मूल्य आँकें

Feature transformations प्रदर्शन बढ़ा सकती हैं

  • Log या square जैसी transformations variance explained बढ़ा सकती हैं
  • यह आपके मॉडल का data-fit भी सुधार सकती हैं

मॉडल की मान्यताओं को डेटा से मिलाएँ

  • कुछ मॉडल, जैसे linear regression, तब बेहतर चलते हैं जब residuals सामान्य-वितरित हों

  toolbox.png

Decision Science समझना

आम transformations

 

  • Log और square root transformations बड़ी रेंज compress करती हैं और outliers का असर घटाती हैं
  • Standardization और normalization फीचर्स को समान रेंज में लाती हैं, खासकर जब units अलग हों
  • Polynomial terms जैसे squared और cubic, कम मेहनत में जटिल non-linear संबंध दर्शा सकते हैं

 

जटिल मॉडलों पर जाने से पहले शुरुआती मॉडलों को सुधारने के लिए transformations का उपयोग करें

 

transform.png

Decision Science समझना

अभ्यास करते हैं!

Decision Science समझना

Preparing Video For Download...