Upravený koeficient determinácie meria, ako dobre regresný model vysvetľuje variabilitu údajov, pričom zohľadňuje počet použitých prediktorov. Obyčajný koeficient R² rastie s každou ďalšou premennou, aj keď nič neprináša; upravená verzia nepotrebné premenné penalizuje. To umožňuje spravodlivejšie porovnanie modelov rôznej veľkosti, napríklad predpovede predaja s tromi namiesto desiatich faktorov.
Agenti, postupy a šablóny v jednom pracovnom priestore – bezplatné 24-hodinové demo.
Spustiť demoLineárna regresia je štatistická metóda, ktorá opisuje vzťah medzi cieľovou premennou a jedným alebo viacerými prediktormi pomocou priamky alebo roviny. Koeficienty sa zvyčajne volia tak, aby sa minimalizoval súčet štvorcov odchýlok. Metóda sa dobre chápe a interpretuje: dokáže napríklad odhadnúť, o koľko vzrastú tržby, keď sa reklamný rozpočet zvýši o 1 000 €. Pri nelineárnych vzťahoch narazí na svoje hranice.
Preučenie (overfitting) nastáva, keď si model zapamätá trénovacie dáta vrátane náhodných zvláštností a šumu, namiesto toho, aby zachytil všeobecne platné vzory. Na známych dátach potom pôsobí veľmi presne, no na nových dátach podáva slabý výkon. Typickým znakom je veľký rozdiel medzi chybou na trénovacích a testovacích dátach. Protiopatrenia zahŕňajú viac či rozmanitejšie dát, jednoduchšie modely, regularizáciu, dropout a krížovú validáciu.
Priemerná absolútna chyba (MAE) ukazuje, o koľko sa predpovede modelu v priemere odchyľujú od skutočných hodnôt, bez ohľadu na smer. Vyjadruje sa v jednotke cieľovej premennej, vďaka čomu je ľahko zrozumiteľná. Príklad: MAE 12 pri predpovedi dennotržieb znamená, že sa model v priemere mýli o 12 jednotiek. Odľahlým hodnotám prikladá menšiu váhu než miery založené na druhých mocninách chýb.
Regularizácia zahŕňa techniky, ktoré bránia tomu, aby sa model počas trénovania príliš tesne prispôsobil trénovacím dátam (preučenie). Patrí sem penalizácia veľkých váh (regularizácia L1 alebo L2), náhodné vypínanie neurónov (dropout) alebo zastavenie trénovania v správnom okamihu (early stopping). Cieľom je jednoduchší model, ktorý na nových, nevidených dátach funguje spoľahlivejšie, aj keď na trénovacích dátach dosahuje o niečo nižšie skóre.
