R pătrat ajustat măsoară cât de bine explică un model de regresie variația datelor, corectat în funcție de numărul de predictori utilizați. R pătrat simplu crește cu fiecare variabilă suplimentară, chiar și cu una care nu aduce nimic; versiunea ajustată penalizează variabilele inutile. Acest lucru permite o comparație mai echitabilă între modele de dimensiuni diferite, de exemplu o prognoză a vânzărilor cu trei factori în loc de zece.
Agenți, fluxuri și șabloane într-un singur spațiu de lucru – demo gratuit de 24 de ore.
Porniți demo-ulRegresia liniară este o metodă statistică ce descrie relația dintre o variabilă țintă și unul sau mai mulți predictori cu ajutorul unei drepte sau al unui plan. Coeficienții sunt aleși, de obicei, astfel încât să minimizeze suma pătratelor abaterilor. Metoda este ușor de înțeles și de interpretat: poate estima, de exemplu, cu cât cresc veniturile atunci când bugetul de publicitate crește cu 1.000 €. Își atinge limitele în cazul relațiilor neliniare.
Supraajustarea (overfitting) apare atunci când un model memorează datele de antrenare, inclusiv particularitățile întâmplătoare și zgomotul, în loc să surprindă tipare general valabile. Pare apoi foarte precis pe datele cunoscute, dar are performanțe slabe pe date noi. O diferență mare între eroarea de antrenare și cea de testare este un semn tipic. Contramăsurile includ mai multe date sau date mai variate, modele mai simple, regularizare, dropout și validare încrucișată.
Eroarea absolută medie (MAE) arată cu cât se abat în medie predicțiile unui model de la valorile reale, indiferent de direcție. Se exprimă în unitatea variabilei-țintă, ceea ce o face ușor de înțeles. Exemplu: un MAE de 12 pentru o prognoză zilnică a vânzărilor înseamnă că modelul greșește în medie cu 12 unități. Acordă mai puțină pondere valorilor aberante decât măsurile bazate pe eroarea pătratică.
Regularizarea cuprinde tehnici care împiedică un model să se potrivească prea strâns datelor sale de antrenare în timpul antrenării (supraajustare). Exemple sunt penalizarea ponderilor mari (regularizare L1 sau L2), dezactivarea aleatorie a neuronilor (dropout) sau oprirea antrenării la momentul potrivit (early stopping). Scopul este un model mai simplu, care funcționează mai fiabil pe date noi, nevăzute, chiar dacă obține un scor puțin mai mic pe datele de antrenare.
