Підсумки лінійної регресії
Кероване навчання в R: регресія
Nina Zumel and John Mount
Win-Vector, LLC
Переваги й недоліки лінійної регресії
- Переваги
- Легка у навчанні та застосуванні
- Лаконічна
- Менш схильна до перенавчання
Переваги й недоліки лінійної регресії
- Переваги
- Легка у навчанні та застосуванні
- Лаконічна
- Менш схильна до перенавчання
- Інтерпретовна
Call:
lm(formula = blood_pressure ~ age + weight, data = bloodpressure)
Coefficients:
(Intercept) age weight
30.9941 0.8614 0.3349
Переваги й недоліки лінійної регресії
- Переваги
- Легка у навчанні та застосуванні
- Лаконічна
- Менш схильна до перенавчання
- Інтерпретовна
- Недоліки
- Може виражати лише лінійні та адитивні залежності
Колінеарність
- Колінеарність — коли вхідні змінні частково корельовані.
Call:
lm(formula = blood_pressure ~ age + weight, data = bloodpressure)
Coefficients:
(Intercept) age weight
30.9941 0.8614 0.3349
Колінеарність
- Колінеарність — коли змінні частково корельовані.
- Коефіцієнти можуть змінювати знак
Call:
lm(formula = blood_pressure ~ age + weight, data = bloodpressure)
Coefficients:
(Intercept) age weight
30.9941 0.8614 0.3349
Колінеарність
- Колінеарність — коли змінні частково корельовані.
- Коефіцієнти можуть змінювати знак
- Висока колінеарність:
- Коефіцієнти (або стандартні похибки) виглядають занадто великими
- Модель може бути нестабільною
Call:
lm(formula = blood_pressure ~ age + weight, data = bloodpressure)
Coefficients:
(Intercept) age weight
30.9941 0.8614 0.3349
Далі
- Оцінювання регресійної моделі
- Коректне навчання моделі
Давайте потренуємось!
Кероване навчання в R: регресія
