A korrigált R-négyzet azt méri, mennyire jól magyarázza egy regressziós modell az adatok szóródását, a felhasznált magyarázó változók számával korrigálva. Az egyszerű R-négyzet minden további változóval nő, még akkor is, ha az semmit sem tesz hozzá; a korrigált változat bünteti a szükségtelen változókat. Ez lehetővé teszi a különböző méretű modellek igazságosabb összehasonlítását, például egy tíz helyett három tényezőt használó értékesítési előrejelzés esetében.
Ügynökök, munkafolyamatok és sablonok egyetlen munkaterületen – ingyenes, 24 órás demó.
Demó indításaA lineáris regresszió olyan statisztikai módszer, amely egy célváltozó és egy vagy több magyarázó változó közötti kapcsolatot egyenessel vagy síkkal írja le. Az együtthatókat általában úgy választják meg, hogy a négyzetes eltérések összege minimális legyen. A módszer könnyen érthető és értelmezhető: például megbecsülhető vele, mennyivel nő a bevétel, ha a reklámköltségvetés 1000 euróval nő. Nemlineáris összefüggéseknél eléri a határait.
A túlillesztés (overfitting) akkor lép fel, amikor a modell megjegyzi a tanítóadatokat – a véletlen sajátosságokkal és a zajjal együtt –, ahelyett hogy általánosan érvényes mintákat ragadna meg. Ilyenkor az ismert adatokon nagyon pontosnak tűnik, az új adatokon viszont gyengén teljesít. A tanítási és a tesztelési hiba közötti nagy különbség tipikus jel. Ellenszerek: több vagy változatosabb adat, egyszerűbb modellek, regularizáció, dropout és keresztvalidáció.
Az átlagos abszolút hiba (MAE) azt mutatja meg, hogy a modell előrejelzései átlagosan mennyivel térnek el a tényleges értékektől, iránytól függetlenül. A célváltozó mértékegységében fejezik ki, ezért könnyen érthető. Példa: egy napi értékesítési előrejelzés 12-es MAE-je azt jelenti, hogy a modell átlagosan 12 egységgel téved. A kiugró értékeket kevésbé súlyozza, mint a négyzetes hibamutatók.
A regularizáció olyan technikákat foglal magában, amelyek megakadályozzák, hogy a modell a tanítás során túlságosan szorosan illeszkedjen a tanítóadataihoz (túlillesztés). Ilyen például a nagy súlyok büntetése (L1- vagy L2-regularizáció), a neuronok véletlenszerű kikapcsolása (dropout) vagy a tanítás megfelelő időpontban történő leállítása (early stopping). A cél egy egyszerűbb modell, amely megbízhatóbban teljesít új, ismeretlen adatokon, még ha a tanítóadatokon kissé gyengébb eredményt ér is el.
