- Bloco 16 — Todas as métricas de regressão
- Objetivo
- estabelecer formalmente que o coeficiente de determinação nunca pode
decrescer quando se adiciona uma variável explicativa a um modelo por
mínimos quadrados, e deduzir daí que ele é inadequado para comparar modelos de
complexidade diferente; definir rigorosamente o coeficiente de determinação
ajustado, demonstrar seu mecanismo de penalização e estabelecer a condição exata
de seu aumento; definir o critério de informação de Akaike e o critério
de informação bayesiano, comparar a severidade de suas penalizações e
caracterizar suas propriedades respectivas de eficiência e de consistência;
estabelecer a posição metodológica do curso segundo a qual todos esses critérios são
substitutos dentro da amostra para uma avaliação fora da amostra; saber ler
integralmente a saída de regressão do statsmodels e implementar as
quantidades ausentes no lado do scikit-learn.
- Duração estimada
- 60 minutos
- Pré-requisitos
- capítulos 025 (seleção de variáveis), 026 (particionamento
treino / validação / teste), 028 (vazamento de dados), 031 (sobreajuste),
034 (validação cruzada), 044 (regressão linear), 045 (regressão múltipla),
047 (Ridge, Lasso, ElasticNet), 068 (MSE), 069 (RMSE), 071 (coeficiente de
determinação)
- Quizzes associados
072.1-quiz-croissance-mecanique-r2.md a
072.7-quiz-implementation-statsmodels.md