線形回帰アルゴリズムは、選択された変数に二つの問題が発生します:まず、多重共干渉を除去する、第二は、独立変数の最適な組み合わせを選択することです。
線形回帰ステップ
変数の1選定
独立変数の最適な組み合わせを選択し、除去ポイント多重共干渉に注意してください。R ^:これは、決意の係数が理解されるべきです。これは、2つの基本的な問題から、選択された変数の理解です。
2.ライン回帰モデルを作成します。
3.解析モデル
R ^
これは、モデルフィットのデータ品質を測定するために計算変動モデルフィッティング割合、という従属変数を表します。
数式は、定義されました
単一の引数で推奨コモンR ^
調整R ^
入力引数が複数のモデルを持っているとき、我々はR ^に調整を行う必要があり、この時間は、それは、調整されたR ^と呼ばれています
多引数で使用するために推奨される調整後R ^。
線形回帰モデルに基づいて示された意味のR ^範囲を理解します
定義は、R ^のモデルに基づいて、独立変数の多様性を調整する必要性を高く評価しました
元のデータに無関係の引数に参加し、R ^は、その後増加を誤解されるであろう。図は、1だけ増加され、硬貨は、元のデータ内の独立したデータ結果を投げます。
裁判官の経験の値の範囲