Presná definícia
Čo znamená lineárna regresia?
Lineárna regresia opisuje podmienenú strednú hodnotu číselného cieľa ako lineárnu kombináciu príznakov. Metóda najmenších štvorcov volí koeficienty minimalizujúce súčet štvorcov rezíduí. Linearita sa týka parametrov: model môže obsahovať transformované premenné a interakcie. Odhad predikcie nevyžaduje normalitu rezíduí, no inferencia a intervaly majú ďalšie predpoklady.
Skúsenosť a kontext
Ako sa pojem používa v praxi
Pri odhade ceny bytu sa vytvorí model z plochy, lokality, veku a premyslených interakcií. Kategórie sa kódujú s referenčnou úrovňou a silno korelované príznaky sa diagnostikujú, lebo koeficienty môžu byť nestabilné. Na teste sa sleduje MAE alebo RMSE, graf rezíduí, heteroskedasticita a extrémne vplyvné body. Koeficient nie je kauzálny účinok bez vhodného dizajnu. Predikcie mimo rozsahu tréningu sa označia ako extrapolácia a nemajú sa automaticky prijímať ako spoľahlivé.
Overiteľnosť
Odborné zdroje
Praktické odpovede
Často kladené otázky
Môže model obsahovať x²?
Áno. Je stále lineárny v koeficientoch, hoci krivka voči x už nie je priamka.
Musia byť vstupy normálne rozdelené?
Nie. Normalita rezíduí sa týka najmä niektorých inferenčných postupov.
Čo spôsobí multikolinearita?
Zvyšuje neistotu a nestabilitu jednotlivých koeficientov, aj keď predikcia môže zostať použiteľná.
Prečo sú odľahlé body dôležité?
Štvorcová strata ich silno zvýrazňuje a bod s vysokou pákou môže zásadne posunúť priamku.
Dokazuje nenulový koeficient príčinu?
Nie. Môže odrážať zámenu, výber vzorky alebo spoločnú príčinu.