मॉडल चयन: रिग्रेशन मॉडल्स

Python में Machine Learning इंटरव्यू प्रश्नों का अभ्यास

Lisa Stuart

Data Scientist

मल्टीकोलाइनियरिटी

• स्वतंत्र वैरिएबल्स का उच्च सहसंबंध
• अनुमानित रिग्रेशन कोएफिशिएंट्स
  • IV से DV में बदलाव की व्याख्या
  • बाकी वैरिएबल्स को स्थिर रखते हुए

¹ https://eigenblogger.com/2010/03/26/post1426/

मल्टीकोलाइनियरिटी के प्रभाव

• कोएफिशिएंट्स घटते हैं
• p-values घटते हैं
• वैरिएंस अस्थिर
• ओवरफिटिंग
• स्टैंडर्ड एरर बढ़ने से सांख्यिकीय महत्व घटता है
• टारगेट वैरिएबल से वास्तविक संबंध अस्पष्ट

मल्टीकोलाइनियरिटी से निपटने की तकनीकें

• कोरिलेशन मैट्रिक्स
• कोरिलेशन्स का हीटमैप
• variance inflation factor (VIF) निकालें
• पेनलाइज़ेशन जोड़ें (Ridge, Lasso)
• PCA

कोरिलेशन मैट्रिक्स बनाम हीटमैप

Variance inflation factor

VIF मान	मल्टीकोलाइनियरिटी
<= 1	नहीं
> 1	हाँ, पर नज़रअंदाज़ कर सकते हैं
> 5	हाँ, समाधान ज़रूरी

फंक्शन्स

फंक्शन/मेथड	रिटर्न करता है
sklearn.linear_model.LinearRegression	Linear Regression
data.corr()	कोरिलेशन मैट्रिक्स
sns.heatmap(corr)	कोरिलेशन्स का हीटमैप
mod.coef_	अनुमानित मॉडल कोएफिशिएंट्स
mean_squared_error(y_test, y_pred)	MSE
r2_score(y_test, y_pred)	R-squared स्कोर
df.columns	कॉलम नाम

अभ्यास करते हैं!

Python में Machine Learning इंटरव्यू प्रश्नों का अभ्यास