Eksploracja danych. Analiza dużych zbiorów danych

Kryteria jakościowe

Model, aby mógł zostać uznany za poprawny, musi spełniać określone kryteria jakościowe. Są nimi zazwyczaj: wysoki stopień dopasowania modelu do danych, uzyskanie istotnych statystycznie wartości współczynników regresji oraz losowy charakter reszt (m.in. reszty powinny mieć rozkład normalny).

Istnieje wiele miar określających stopień dopasowania modelu. Jedną z nich jest współczynnik determinacji R². Informuje on o tym, jaka część zmienności zmiennej zależnej jest wyjaśniana przez model. Współczynnik ten przyjmuje wartości z przedziału [0, 1]. Im wartość współczynnika jest większa, tym model jest lepiej dopasowany do danych. Przyjmuje się, że model, dla którego wartość R² jest większa od 0,9, można uważać za bardzo dobrze dopasowany do danych, natomiast powyżej 0,8 – za dobrze dopasowany. Ostatecznie, dysponując kilkoma modelami, należy wybrać model najlepiej dopasowany do danych.

Regresja

Jak wspomniano, regresja pozwala na określenie związku pomiędzy badanymi zmiennymi, jednakże nie musi świadczyć o ich zależności przyczynowo-skutkowej. Poprawnie zbudowany model [...]

Ten materiał dostępny jest dla zalogowanych użytkowników.

Załóż konto i dołącz do grona użytkowników naszego portalu!

Zaloguj się Zarejestruj się

Mogą zainteresować Cię również

Styczeń miesiącem bezpieczeństwa produkcji.

zobacz więcej