Comments (5)
hi Trí, theo anh hiểu và trong bài e gửi, thì adjusted R-squared chỉ phụ thuộc vào meaningful features đúng ko? Tuy nhiên trong công thức anh không thấy điều đó, mà adjusted R-squared vẫn phụ thuộc vào số lượng p đơn thuần. Không biết anh hiểu vậy đúng ko?
from interpretablemlbook-vietnamese.
Em thì vẫn đồng ý với tác giả. Ý kiến em như thế này anh @luulinh90s tham khảo thử :
Vì trước hết xét khả năng của R^2 là nó đánh giá mô hình hồi quy tuyến tính đặc tả cho dữ diệu như thế nào. R^2 càng cao thì mô hình biểu diễn dữ liệu càng tốt.
Khi đó theo cách tính R^2 truyền thống thì khi ta tăng số lượng đặc trưng (p). Mô hình (y) càng khớp với dữ liệu hơn thì SSE sẽ giảm (vì đây là độ đo giữa dự đoán với nhãn) và SST thì không đổi. Do đó R^2 tăng theo.
Nhưng điều này không đảm bảo sự chính sác, vì có thể tăng số lượng (p) nhưng chưa chắc khả năng đặc tả của mô hình tốt cho dữ liệu vì có thể những đặc trưng đó không có giá trị học. Ngoài ra thì mô hình sẽ phức tạp hơn nếu có quá nhiều đặc trưng được thêm vào.
Do đó công thức điểu chỉnh mới của R^2, khi thêm (n-1)/(n-1-p) và số lượng đặc trưng tăng giá trị này sẽ giảm, làm cân bằng với SSE/SST tăng. Thì R^2 sẽ không bị ảnh hưởng tăng theo số lượng p không mong muốn. Vẫn đánh giá tốt hơn mô hình.
Có một bài post tham khảo thêm về công thức R^2 điều chỉnh này: link
from interpretablemlbook-vietnamese.
Hi anh @luulinh90s
adjusted R-squared chỉ phụ thuộc vào meaningful features đúng ko?
: Đúng rồi anh, vì chỉ meaningful features mới làm mô hình đặc tả dữ liệu tốt hơn.
Tuy nhiên trong công thức anh không thấy điều đó
: Công thức điều chỉnh chỉ có thể ngăn cho việc đánh giá mô hình qua số lượng q tăng làm R^2 tăng thôi làm đánh giá công bằng hơn công thức R^2 truyền thống, vì hiện tại ta không có cách nào xác định feature nào là tốt ngoài bằng cách thử nghiệm thực tế rồi đánh giá mô hình.
from interpretablemlbook-vietnamese.
Cũng trong bài đăng em gửi link thì có thí nghiệm với 4, 5 features thì R^2(adj) thấp hơn 1,2,3 features, và theo đánh giá thì với 3 features là tốt nhất trong 5 thí nghiệm. Trong khi R^2 tăng dần với số features không thể hiện đúng mô hình tương ứng.
from interpretablemlbook-vietnamese.
Nice! Cám ơn em.
from interpretablemlbook-vietnamese.
Related Issues (17)
- Kế hoạch hoàn thiện Dự án
- Chapter 5.3 HOT 2
- section 6.1 HOT 1
- Chapter 5.8 HOT 3
- Chapter 5.9 HOT 4
- Chapter 5.7
- Chapter 5 Introduction HOT 1
- Chapter 5.10
- xc
- Glossary #1 - Intercept? HOT 2
- Glossary #2 - least squares error HOT 1
- Features translation - Chapter 3 - 3.1 HOT 5
- Chapter 5 - 5.1: Partial Dependence Plot HOT 3
- Glossary #3 - LASSO - least absolute shrinkage and selection operator HOT 2
- Discussion #2 - complete separation trong logistric regression HOT 1
- Chapter 5 - 5.1 - The remaining HOT 2
Recommend Projects
-
React
A declarative, efficient, and flexible JavaScript library for building user interfaces.
-
Vue.js
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
-
Typescript
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
-
TensorFlow
An Open Source Machine Learning Framework for Everyone
-
Django
The Web framework for perfectionists with deadlines.
-
Laravel
A PHP framework for web artisans
-
D3
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
-
Recommend Topics
-
javascript
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
-
web
Some thing interesting about web. New door for the world.
-
server
A server is a program made to process requests and deliver data to clients.
-
Machine learning
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
-
Visualization
Some thing interesting about visualization, use data art
-
Game
Some thing interesting about game, make everyone happy.
Recommend Org
-
Facebook
We are working to build community through open source technology. NB: members must have two-factor auth.
-
Microsoft
Open source projects and samples from Microsoft.
-
Google
Google ❤️ Open Source for everyone.
-
Alibaba
Alibaba Open Source for everyone
-
D3
Data-Driven Documents codes.
-
Tencent
China tencent open source team.
from interpretablemlbook-vietnamese.