สรุป Linear Regression
Supervised Learning ใน R: การถดถอย
Nina Zumel and John Mount
Win-Vector, LLC
ข้อดีและข้อเสียของ Linear Regression
- ข้อดี
- Fit และนำไปใช้ได้ง่าย
- กระชับ
- โอกาส Overfit น้อยกว่า
ข้อดีและข้อเสียของ Linear Regression
- ข้อดี
- Fit และนำไปใช้ได้ง่าย
- กระชับ
- โอกาส Overfit น้อยกว่า
- แปลความหมายได้ชัดเจน
Call:
lm(formula = blood_pressure ~ age + weight, data = bloodpressure)
Coefficients:
(Intercept) age weight
30.9941 0.8614 0.3349
ข้อดีและข้อเสียของ Linear Regression
- ข้อดี
- Fit และนำไปใช้ได้ง่าย
- กระชับ
- โอกาส Overfit น้อยกว่า
- แปลความหมายได้ชัดเจน
- ข้อเสีย
- แสดงความสัมพันธ์แบบเชิงเส้นและแบบบวกเท่านั้น
Collinearity
- Collinearity -- เมื่อตัวแปร Input มีความสัมพันธ์กันบางส่วน
Call:
lm(formula = blood_pressure ~ age + weight, data = bloodpressure)
Coefficients:
(Intercept) age weight
30.9941 0.8614 0.3349
Collinearity
- Collinearity -- เมื่อตัวแปรมีความสัมพันธ์กันบางส่วน
- ค่าสัมประสิทธิ์อาจเปลี่ยนเครื่องหมายได้
Call:
lm(formula = blood_pressure ~ age + weight, data = bloodpressure)
Coefficients:
(Intercept) age weight
30.9941 0.8614 0.3349
Collinearity
- Collinearity -- เมื่อตัวแปรมีความสัมพันธ์กันบางส่วน
- ค่าสัมประสิทธิ์อาจเปลี่ยนเครื่องหมายได้
- Collinearity สูง:
- ค่าสัมประสิทธิ์ (หรือ Standard Error) มีขนาดใหญ่ผิดปกติ
- โมเดลอาจไม่เสถียร
Call:
lm(formula = blood_pressure ~ age + weight, data = bloodpressure)
Coefficients:
(Intercept) age weight
30.9941 0.8614 0.3349
หัวข้อถัดไป
- การประเมินโมเดล Regression
- การ Train โมเดลอย่างถูกต้อง
มาฝึกกันเถอะ!
Supervised Learning ใน R: การถดถอย
