L'R quadro corretto (o aggiustato) misura quanto bene un modello di regressione spiega la variabilità dei dati, tenendo conto del numero di variabili esplicative usate. L'R quadro semplice aumenta con ogni variabile aggiunta, anche se inutile; la versione corretta penalizza le variabili superflue. Permette così di confrontare in modo più equo modelli di dimensioni diverse, ad esempio una previsione delle vendite con tre anziché dieci fattori.
Agenti, flussi e modelli in un’unica area di lavoro – demo gratuita di 24 ore.
Avvia demoLa regressione lineare è un metodo statistico che descrive la relazione tra una variabile obiettivo e una o più variabili esplicative tramite una retta o un piano. I coefficienti vengono di solito scelti in modo da minimizzare la somma degli scarti al quadrato. Il metodo è semplice da capire e da interpretare: permette ad esempio di stimare di quanto aumenta il fatturato se il budget pubblicitario cresce di 1.000 euro. Con relazioni non lineari mostra i suoi limiti.
Si parla di overfitting (sovradattamento) quando un modello impara a memoria i dati di addestramento, compresi casualità e rumore, invece di cogliere schemi di validità generale. Sui dati noti sembra molto preciso, ma sui dati nuovi offre risultati scarsi. Un segnale tipico è un ampio divario tra errore di addestramento ed errore di test. Le contromisure sono più dati o dati più vari, modelli più semplici, regolarizzazione, dropout e convalida incrociata.
L’errore medio assoluto (Mean Absolute Error, MAE) indica di quanto, in media, le previsioni di un modello si discostano dai valori reali, indipendentemente dalla direzione. Si esprime nell’unità della variabile da prevedere ed è quindi facile da capire. Esempio: un MAE di 12 in una previsione delle vendite giornaliere significa che il modello sbaglia in media di 12 pezzi. Dà ai valori anomali meno peso rispetto all’errore quadratico.
La regolarizzazione comprende tecniche che impediscono a un modello di adattarsi troppo ai dati di addestramento (overfitting). Ad esempio si penalizzano pesi troppo grandi (regolarizzazione L1 o L2), si disattivano neuroni a caso (dropout) o si interrompe l'addestramento al momento giusto (early stopping). L'obiettivo è un modello più semplice che funzioni meglio su dati nuovi, anche se ottiene risultati leggermente peggiori sui dati di addestramento.
