O R-quadrado ajustado mede até que ponto um modelo de regressão explica a variação nos dados, corrigido pelo número de preditores utilizados. O R-quadrado simples aumenta com cada variável adicional, mesmo que esta nada acrescente; a versão ajustada penaliza as variáveis desnecessárias. Isto permite uma comparação mais justa entre modelos de dimensões diferentes, por exemplo uma previsão de vendas com três em vez de dez fatores.
Agentes, fluxos e modelos num só espaço de trabalho – demonstração gratuita de 24 horas.
Iniciar demonstraçãoA regressão linear é um método estatístico que descreve a relação entre uma variável-alvo e um ou mais preditores através de uma reta ou de um plano. Os coeficientes são geralmente escolhidos de modo a minimizar a soma dos quadrados dos desvios. O método é fácil de compreender e interpretar: por exemplo, pode estimar quanto sobe a receita quando o orçamento de publicidade aumenta 1000 €. Atinge os seus limites em relações não lineares.
O sobreajuste (overfitting) ocorre quando um modelo memoriza os dados de treino, incluindo particularidades aleatórias e ruído, em vez de captar padrões de validade geral. Parece então muito exato com os dados conhecidos, mas tem um mau desempenho com dados novos. Uma grande diferença entre o erro de treino e o erro de teste é um sinal típico. Entre as contramedidas contam-se mais dados ou dados mais variados, modelos mais simples, regularização, dropout e validação cruzada.
O erro absoluto médio (MAE) mostra, em média, quanto as previsões de um modelo se desviam dos valores reais, independentemente do sentido. É expresso na unidade da variável-alvo, o que o torna fácil de compreender. Exemplo: um MAE de 12 numa previsão de vendas diárias significa que o modelo falha, em média, 12 unidades. Dá menos peso aos valores atípicos do que as medidas de erro quadrático.
A regularização abrange técnicas que impedem um modelo de se ajustar demasiado aos seus dados de treino durante o treino (sobreajuste). Os exemplos incluem penalizar pesos elevados (regularização L1 ou L2), desligar neurónios de forma aleatória (dropout) ou parar o treino no momento certo (early stopping). O objetivo é um modelo mais simples, que funcione de forma mais fiável com dados novos e desconhecidos, mesmo que obtenha uma pontuação ligeiramente inferior nos dados de treino.
