- Ενότητα 16 — Όλες οι μετρικές παλινδρόμησης
- Στόχος
- να θεμελιωθεί τυπικά ότι ο συντελεστής προσδιορισμού δεν μπορεί
ποτέ να μειωθεί όταν προστίθεται μια ερμηνευτική μεταβλητή σε ένα μοντέλο
ελαχίστων τετραγώνων, και να συναχθεί ότι είναι ανίκανος να συγκρίνει μοντέλα
διαφορετικής πολυπλοκότητας · να οριστεί με αυστηρότητα ο προσαρμοσμένος
συντελεστής προσδιορισμού, να αποδειχθεί ο μηχανισμός ποινής του και να τεθεί
η ακριβής συνθήκη αύξησής του · να οριστούν το κριτήριο πληροφορίας Akaike και
το μπεϋζιανό κριτήριο πληροφορίας, να συγκριθεί η αυστηρότητα των ποινών τους
και να χαρακτηριστούν οι αντίστοιχες ιδιότητες αποτελεσματικότητας και
συνέπειας · να τεθεί η μεθοδολογική θέση του μαθήματος σύμφωνα με την οποία
όλα αυτά τα κριτήρια είναι υποκατάστατα εντός δείγματος μιας αξιολόγησης εκτός
δείγματος · να διαβάζεται πλήρως η έξοδος παλινδρόμησης του statsmodels και να
υλοποιούνται οι ελλείπουσες ποσότητες στην πλευρά scikit-learn.
- Εκτιμώμενη διάρκεια
- 60 λεπτά
- Προαπαιτούμενα
- κεφάλαια 025 (επιλογή μεταβλητών), 026 (διαίρεση
εκπαίδευσης / επικύρωσης / δοκιμής), 028 (διαρροή δεδομένων), 031 (υπερπροσαρμογή),
034 (διασταυρούμενη επικύρωση), 044 (γραμμική παλινδρόμηση), 045 (πολλαπλή
παλινδρόμηση), 047 (Ridge, Lasso, ElasticNet), 068 (MSE), 069 (RMSE), 071
(συντελεστής προσδιορισμού)
- Συνδεδεμένα κουίζ
072.1-quiz-croissance-mecanique-r2.md έως
072.7-quiz-implementation-statsmodels.md