আমার প্রায় 30 টি স্বাধীন ভেরিয়েবল সহ একটি ডেটাসেট রয়েছে এবং তাদের এবং নির্ভরশীল ভেরিয়েবলের মধ্যে সম্পর্কটি অনুসন্ধান করার জন্য একটি জেনারেলাইজড লিনিয়ার মডেল (জিএলএম) তৈরি করতে চাই।
আমি সচেতন যে এই পরিস্থিতির জন্য আমাকে যে পদ্ধতিটি শিখানো হয়েছিল, ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে বাড়ানো হয় তা এখন পরিসংখ্যানগত পাপ বলে বিবেচিত হয় ।
এই পরিস্থিতিতে মডেল নির্বাচনের আধুনিক পদ্ধতিগুলি কী ব্যবহার করা উচিত?
4
অন্যান্য ব্যক্তিরা পরিসংখ্যানগত পদ্ধতিগুলি উল্লেখ করেছেন যা সহায়ক হতে পারে তবে আমি প্রথমে আপনাকে জিজ্ঞাসা করব ভেরিয়েবলের মধ্যে সম্পর্কের শক্তি এবং আকার সম্পর্কে আপনার কোনও তত্ত্ব আছে কিনা। আপনার নমুনা কত বড়? জটিল মডেলগুলি এড়াতে আপনার কি কারণ আছে?
—
মাইকেল বিশপ
প্রাক-পরীক্ষার পক্ষপাতিত্ব সমস্যা এবং মিস-স্পেসিফিকেশন সমস্যাগুলির বিরুদ্ধে লড়াইয়ের বিকল্প হিসাবে কেউ কি মডেলকে গড় হিসাবে বিবেচনা করেছেন? মোটামুটিভাবে সমস্ত ভেরিয়েবলগুলি বলা সম্ভাব্য ভবিষ্যদ্বাণীকারী এবং আপনি তাদের কার্যকর হওয়ার সম্ভাবনাটি অনুমান করতে পারেন। সুতরাং সম্মিলিত অনুমানক কেবল পূর্বাভাসের কর্মক্ষমতা উন্নত করে না, "স্কোপ" এর অধীনে ভেরিয়েবলগুলির পরামিতিগুলির জন্য ভাল বৈশিষ্ট্য অনুমানও উত্পাদন করে।
—
দিমিত্রিজ সেলভ
সংকোচন। আর কেউ পদক্ষেপের চেয়ে বেশি ব্যবহার করবেন না, আশা করি
—
আকসাকাল