ডেটাতে স্কোয়ার রুটের রূপান্তর ব্যবহারের কারণ কী হতে পারে?


15

বর্গমূল দিয়ে ডেটা রুপান্তরিত করার জন্য, আমি যা ভাবতে পারি তার কোনও কারণ আছে? আমি যা বোঝাতে চাইছি তা হ'ল আর। 2 বৃদ্ধি পায়। তবে এটি সম্ভবত কেবলমাত্র তথ্য কেন্দ্রিকতার কারণে! কোন চিন্তা প্রশংসা করা হয়!


আমি এই প্রশ্নের এবং আরও সাধারণ প্রশ্নের উত্তর এখানে দেওয়া আছে stats.stackexchange.com/questions/18844/...
IrishStat

3
যদি নির্ভরশীল ভেরিয়েবলটি পৃথক হয় তবে আর-স্কোয়ারগুলি তুলনা করা যায় না।

উত্তর:


13

সাধারণভাবে, প্যারামেট্রিক রিগ্রেশন / জিএলএম ধরে নেয় যে ভেরিয়েবল এবং প্রতিটি এক্স এর মধ্যে সম্পর্কYX ভেরিয়েবলের লিনিয়ার, যে আপনি একবার মডেলটি ফিট করেছেন সেগুলি একটি সাধারণ বিতরণ অনুসরণ করে এবং অবশিষ্টাংশের আকার একইভাবে থাকে আপনার লাগানো লাইন বরাবর। যখন আপনার ডেটা এই অনুমানগুলির সাথে সম্মতি দেয় না, রূপান্তরগুলি সহায়তা করতে পারে।

এটি স্বজ্ঞাত হওয়া উচিত যে যদি এক্স 2 এর সাথে সমানুপাতিক হয় তবে স্কোয়ার-রুট করা ওয়াই এই সম্পর্কটিকে লিনিয়ারাইজ করে, এমন একটি মডেলের দিকে নিয়ে যায় যা অনুমানগুলিকে আরও ভালভাবে ফিট করে এবং আরও বেশি বৈচিত্রের ব্যাখ্যা দেয় (উচ্চতর আর 2 রয়েছে )। স্কোয়ার রুট করা ওয়াই এছাড়াও আপনাকে সহায়তা করে যখন আপনার এক্স এর মান হিসাবে আপনার অবশিষ্টাংশের আকার ক্রমান্বয়ে বৃদ্ধি পায়YX2YR2YXবৃদ্ধি (অর্থাত্ লাগানো লাইনের চারপাশে ডেটা পয়েন্টের বিক্ষিপ্ততরটি আপনি এর পাশ দিয়ে যাওয়ার সাথে সাথে আরও চিহ্নিত হয়ে যায়)। বর্গমূলের ফাংশনটির আকার সম্পর্কে চিন্তা করুন: এটি প্রথমে খাড়াভাবে বৃদ্ধি পায় তবে তারপরে স্যাচুরেট হয়। সুতরাং স্কোয়ার রুটের ট্রান্সফর্মটি প্রয়োগ করা ছোট সংখ্যাকে স্ফীত করে তবে বড়গুলি স্থিতিশীল করে। সুতরাং আপনি এটিকে লাগানো লাইন থেকে দূরে কম মানগুলিতে ছোট্ট রেসিডুয়ালগুলিকে ঠেলা এবং উচ্চ এক্স মানগুলিতে লাইনটির দিকে বড় রেসিডুয়ালগুলি স্কোচিং হিসাবে ভাবতে পারেন । (এটি মানসিক শর্টহ্যান্ড সঠিক গণিত নয়!)XX

দিমিত্রিজ ও ওকরাম যেমন বলেছেন, এটি কেবলমাত্র একটি সম্ভাব্য রূপান্তর যা নির্দিষ্ট পরিস্থিতিতে সহায়তা করবে এবং বক্স-কক্স সূত্রের মতো সরঞ্জামগুলি আপনাকে সবচেয়ে দরকারীটিকে বেছে নিতে সহায়তা করতে পারে। আপনি যখন কোনও মডেল ফিট করেন তবে আমি স্থায়ী মানগুলির (এবং একটি সাধারণ সম্ভাবনার প্লট বা অবশিষ্টাংশের হিস্টোগ্রাম) বিরুদ্ধে সর্বদা প্লট অবশেষের দিকে তাকানোর অভ্যাসে প্রবেশের পরামর্শ দেব। আপনি দেখতে পাবেন যে আপনি প্রায়শই এইগুলি থেকে দেখতে সক্ষম হবেন যে কী ধরণের রূপান্তর সাহায্য করবে।


হেই ধন্যবাদ! আমি বক্সকক্স ফান্ট জানি, কিন্তু আমি কীভাবে ব্যবহারিক কারণে স্কয়ার্ট রূপান্তরটি বোঝায় তা নিয়ে ভাবছিলাম! ধন্যবাদ!
মার্কডোলার

1
ত্রুটির ভিন্নতা যদি ধারাবাহিকভাবে সিরিজের স্তরের সাথে সম্পর্কিত হয় তবে একটি লোগারিথমিক রূপান্তর গ্রহণ করে takes যদি স্ট্যান্ডার্ড বিচ্যুতি ধারাবাহিক স্তরের সাথে সম্পর্কিত হয় তবে একটি বর্গমূলের রূপান্তর গ্রহণ করে takes নির্বাচনের অবশিষ্টাংশের আকারের কোনও সম্পর্ক নেই কারণ এটি ওয়াইয়ের স্তরের সাথে সম্পর্কিত এবং এটি প্রথম এবং দ্বিতীয় মুহূর্তের সংযুক্তকরণ / ডি-কাপলিংয়ের সাথে সম্পর্কিত।
আইরিশস্ট্যাট

1
ফ্রেয়া, মানসিক শর্টহ্যান্ড >> সঠিক গণিতের জন্য +1। সেই স্বজ্ঞাতটি কি ক্লাস্টারিং-এর জন্য এল 5-মেট্রিক ব্যবহারের কোনও কারণ ?
ডেনিস

হাই ডেনিস, আমি ভয় করি আমি ক্লাস্টারিংয়ের বিষয়ে কিছুই জানি না।
ফ্রেইয়া হ্যারিসন

10

λ=0.5

Y~এন(এক্সβ,σ2আমিএন)

তবে এটি একটি পূর্ব নির্ধারিত মান অনুকূল হতে পারে (এবং সম্ভবত এটি) অনুকূল নয়। আর আপনি carলাইব্রেরি থেকে এমন একটি ফাংশন বিবেচনা করতে পারেন powerTransformযা লাইনারি রিগ্রেশন বা আপনার সাথে কাজ করে এমন কোনও ডেটাতে অংশ নিয়েছে এমন প্রতিটি ভেরিয়েবলের বক্স-কক্স রূপান্তরকরণের জন্য অনুকূল মান অনুমান করতে সহায়তা করে ( example(powerTransform)আরও বিশদগুলির জন্য দেখুন)।


5

যখন ভেরিয়েবল কোনও পোইসন বিতরণ অনুসরণ করে, বর্গমূলের রূপান্তরগুলির ফলাফল গাউসির কাছাকাছি হবে।


আপনি কি এই দাবির জন্য কিছু যুক্তি দিতে পারেন?
উদ্বিগ্ন

এটি প্যারামিটারের একটি নির্দিষ্ট মান সহ পৃথক বিতরণে খুব বেশি সহায়তা করে না, তবে প্যারামিটারটি পরিবর্তিত হলে বিতরণ পরিবারকে স্থির করে তোলে , ধ্রুব
বৈকল্পের


3

স্কোয়ার রুটটি গ্রহণের ক্ষেত্রে মাঝে মাঝে রিগ্রেশন সমস্যাগুলিতে একটি স্বাভাবিক-পরিবর্তনশীল একটি স্বাভাবিক পরিবর্তনশীল হিসাবে প্রদর্শিত হওয়ার পরামর্শ দেওয়া হয়। লোগারিদম হল আরও একটি সাধারণ সম্ভাব্য রূপান্তর।


0

ব্রা-কার্টিসের সাথে গণনা করা দূরত্বের ম্যাট্রিক্স সাধারণত কিছু ডেটার জন্য মেট্রিক হয় না, নেতিবাচক ইগেনভ্যালুগুলিকে জন্ম দেয়। এই সমস্যাটি কাটিয়ে ওঠার অন্যতম সমাধান হ'ল এটিকে রূপান্তর করা (লোগারিদমিক, স্কোয়ার রুট বা ডাবল স্কোয়ার রুট)।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.