Korjattu selitysaste (adjusted R-squared) mittaa, kuinka hyvin regressiomalli selittää datan vaihtelun, kun käytettyjen selittäjien määrä otetaan huomioon. Tavallinen selitysaste kasvaa jokaisen lisämuuttujan myötä, vaikka muuttuja ei toisi mitään lisää; korjattu versio rankaisee tarpeettomista muuttujista. Näin erikokoisia malleja voidaan vertailla reilummin, esimerkiksi myyntiennustetta, jossa on kolme tekijää kymmenen sijaan.
Agentit, työnkulut ja mallit yhdessä työtilassa – maksuton 24 tunnin demo.
Aloita demoLineaarinen regressio on tilastollinen menetelmä, joka kuvaa kohdemuuttujan ja yhden tai useamman selittäjän välistä suhdetta suoralla tai tasolla. Kertoimet valitaan yleensä siten, että neliöityjen poikkeamien summa minimoituu. Menetelmä on helppo ymmärtää ja tulkita: sillä voi esimerkiksi arvioida, kuinka paljon liikevaihto kasvaa, kun mainosbudjetti kasvaa 1 000 eurolla. Se tulee rajoihinsa epälineaaristen suhteiden kanssa.
Ylisovittuminen (overfitting) tarkoittaa, että malli oppii opetusdatan ulkoa, satunnaisine erikoisuuksineen ja kohinoineen, sen sijaan että se oppisi yleisesti päteviä säännönmukaisuuksia. Silloin se vaikuttaa erittäin tarkalta tutussa datassa mutta toimii huonosti uudessa datassa. Suuri ero opetus- ja testivirheen välillä on tyypillinen merkki. Torjuntakeinoja ovat enemmän tai monipuolisempi data, yksinkertaisemmat mallit, regularisointi, dropout ja ristiinvalidointi.
Keskimääräinen absoluuttinen virhe (MAE, mean absolute error) kertoo, kuinka paljon mallin ennusteet poikkeavat todellisista arvoista keskimäärin suunnasta riippumatta. Se ilmaistaan kohdemuuttujan yksikössä, mikä tekee siitä helposti ymmärrettävän. Esimerkki: päivittäisen myyntiennusteen MAE 12 tarkoittaa, että malli erehtyy keskimäärin 12 yksiköllä. Poikkeaviin arvoihin se suhtautuu vähemmän painokkaasti kuin neliövirheeseen perustuvat mittarit.
Regularisointi kattaa tekniikat, jotka estävät mallia sovittumasta opetusdataansa liian tarkasti opetuksen aikana (ylisovittuminen). Esimerkkejä ovat suurten painojen rankaiseminen (L1- tai L2-regularisointi), neuronien satunnainen sammuttaminen (dropout) tai opetuksen pysäyttäminen oikealla hetkellä (early stopping). Tavoitteena on yksinkertaisempi malli, joka toimii luotettavammin uudessa, näkemättömässä datassa, vaikka se saisi opetusdatassa hieman heikomman tuloksen.
