বাইনারি এবং অবিচ্ছিন্ন প্রতিক্রিয়া একত্রিত করার সেরা উপায়

Question

আমি সংগ্রহ সংস্থার জন্য অর্থের পরিমাণের পূর্বাভাস দেওয়ার সর্বোত্তম উপায় নিয়ে আসার চেষ্টা করছি। নির্ভরযোগ্য ভেরিয়েবলটি কেবলমাত্র শূন্য হয় যখন কোনও অর্থ প্রদান করা হয়। বোধগম্য, প্রচুর পরিমাণে শূন্য রয়েছে কারণ বেশিরভাগ লোকের কাছে পৌঁছানো যায় না বা backণ পরিশোধ করতে পারে না।

Debtণের পরিমাণ এবং অর্থ প্রদানের সম্ভাবনার মধ্যে একটি খুব দৃ negative় নেতিবাচক সম্পর্কও রয়েছে। সাধারণত, আমি বেতন / অ-বেতনের সম্ভাবনা সম্পর্কে পূর্বাভাস দেওয়ার জন্য একটি লজিস্টিক মডেল তৈরি করব তবে এটি সর্বনিম্ন ভারসাম্যযুক্ত লোকদের খুঁজে পাওয়ার দুর্ভাগ্যজনক পরিণতি।

পেমেন্টের পরিমাণ পূর্বাভাস দেওয়ার একটি পৃথক মডেলের সাথে লজিস্টিক বেতন / নন-বেতন মডেলকে একত্রিত করার কী উপায় আছে?

Comments

এখানে শূন্য-স্ফীত লগ-স্বাভাবিক রিগ্রেশন রয়েছে যা আপনার প্রয়োজনের সাথে খাপ খায়। এই কাগজটি

— পিটার ফ্লুম

@ পিটারফ্লম কীভাবে আপনি মনে করেন যে এটি দ্বি-পর্যায়ের মডেল এবং নমুনা নির্বাচনের পক্ষপাত সম্পর্কে গুই 11উম এবং স্টিফেনের আলোচনার সাথে তুলনা করে?

— As3adTintin

আমি মনে করি উভয়ই কার্যকর হতে পারে। দুজনের তুলনা করার বিষয়ে আলোচনা হয়েছে তবে আমি কোথায় তা পড়েছিলাম তা ভুলে গেছি।

— পিটার ফ্লুম

আমি যা করতে পেরেছি তা হ'ল আউটপুটটির জন্য রিলু অ্যাক্টিভেশন সহ একটি নিউরাল নেটওয়ার্ক তৈরি করা হয়েছিল এবং স্কোয়ারযুক্ত

— লোগারিথমিক

ঠিক আছে ধন্যবাদ. নিউরাল নেটওয়ার্ক / রিলু অ্যাক্টিভেশন আমার বর্তমান জ্ঞানের অতীত শোনাচ্ছে, তবে আমি এগুলি সন্ধান করব। মূল প্রশ্ন জিজ্ঞাসা এবং মন্তব্যের জন্য ধন্যবাদ!

— As3adTintin

Answer 1

দ্বি-পর্যায়ের মডেল তৈরির গুই 11 ড্যামের ধারণাটি সঠিক পথে যাওয়া যায় তবে যাইহোক, আপনার সেটআপের বিশেষ অসুবিধা বিবেচনা করা উচিত যা debtণের পরিমাণ এবং অর্থ প্রদানের সম্ভাবনার মধ্যে খুব দৃ negative় নেতিবাচক সম্পর্ক।

এখানে একটি দ্বি-পর্যায়ের মডেল তৈরির প্রাথমিক সমস্যাটি হ'ল, দ্বিতীয় মডেলটি (ofণের পূর্বাভাসের জন্য) যখন কেবল "নন-জিরো" উপর নির্মিত হয়, সম্ভবত জনসংখ্যার সম্ভবত এলোমেলো নমুনার উপর নির্মিত ( পুরো ডেটাसेट), তবে সম্মিলিত মডেলটি আবার পুরো জনগণের উপরে প্রয়োগ করতে হবে । এর অর্থ হ'ল দ্বিতীয় মডেলটিকে ডেটাগুলির অংশগুলির জন্য পূর্বাভাস দিতে হবে যা এটি আগে কখনও দেখেনি, ফলস্বরূপ নির্ভুলতা হারাবে। একে নমুনা নির্বাচন বায়াস বলা হয় (এমএল দৃষ্টিকোণ থেকে একটি পর্যালোচনার জন্য আমি স্মিথ এবং এলকান দ্বারা প্রত্যাখ্যান প্রত্যাখ্যানের জন্য একটি বায়েশিয়ান নেটওয়ার্ক ফ্রেমওয়ার্ক প্রস্তাব করি )।

KDD-কাপ-98 একটি অনুরূপ সমস্যা যেখানে এক ভবিষ্যদ্বাণী করা উচিত কিনা তা একটি ভেটেরান্স প্রতিষ্ঠানের জন্য একটি দাতা আবার দান করতে সম্ভবত এবং কত এটা দান করার সম্ভাবনা বেশি হয় মোকাবেলা। এই ডেটাসেটে, আবার অনুদানের সম্ভাবনাটিও প্রত্যাশিত অর্থের সাথে নেতিবাচকভাবে সম্পর্কিত হয়েছিল। নমুনা নির্বাচনের পক্ষপাতিত্ব উপস্থিত হয়েছিল।

যে সমাধানটি আমাকে সবচেয়ে বেশি প্রভাবিত করেছিল সেগুলি আবিষ্কার এবং সিদ্ধান্ত গ্রহণের ক্ষেত্রে পাওয়া যেতে পারে যখন ব্যায়ঙ্কা জাদরোজনি এবং চার্লস এলকান দ্বারা ব্যয় এবং সম্ভাবনা উভয়ই অজানা । তারা হেকম্যান সংশোধনের উপর ভিত্তি করে একটি ব্যয় সংবেদনশীল সমাধান তৈরি করেছে , যা আমার জ্ঞানের কাছে (নমুনা) নির্বাচনের পক্ষপাতিত্ব সংশোধন করার জন্য প্রথম পদ্ধতিগত পদ্ধতি।

Comments

+1 আপনার দ্বিতীয় অনুচ্ছেদে খুব সুন্দরভাবে এমন কিছু হাইলাইট করেছে যা আমার উত্তরে অনুপস্থিত।

— gui11aume

এটি কীভাবে পিটার ফ্লমের একটি শূন্য-স্ফীত লগ-নরমাল রিগ্রেশন সম্পর্কিত পরামর্শের সাথে তুলনা করে?

— As3adTintin

Answer 2

এটি খুব সুন্দর একটি প্রশ্ন (+1)।

0 এর দশকের সাথে কেন এমন আচরণ করা হবে না যে তারা এনএ?

আপনি কোনও ডামি প্রতিক্রিয়া যুক্ত করতে পারেন যা নির্দেশ করে যে কোনও অর্থ উদ্ধার হয়েছে কিনা ( উদাহরণস্বরূপ 0 এর সমান যখন 0 হয়, এবং 1 যখন মানটি ইতিবাচক হয়) এবং একই ভবিষ্যদ্বাণীকের সাথে এই বাইনারি প্রতিক্রিয়ায় একটি লজিস্টিক মডেল ফিট করতে পারেন। আপনি 2 টি মডেল ফিট করতে পারবেন: সমস্ত ডেটা পয়েন্ট ব্যবহার করে বাইনারি প্রতিক্রিয়া এবং কেবল নন জেরন ডেটা পয়েন্টগুলি ব্যবহার করে অবিচ্ছিন্ন প্রতিক্রিয়া (0 কে এনএ হিসাবে বিবেচনা করার ধারণা অনুসারে)।

আপনি এখনও প্রতিটি মডেলের পরামিতিগুলির শূন্যতা পরীক্ষা করতে পারেন এবং উভয় পরামিতি ব্যবহার করে প্রত্যাশিত লাভের গণনা করতে পারেন।

Comments

আপনার পরামর্শের জন্য ধন্যবাদ। আমার প্রশ্নের আগে আমি আপনার বর্ণনা অনুসারে দুটি নির্ভরশীল ভেরিয়েবল এবং ডেটাসেট তৈরি করেছি। "তবুও প্যারামেন্টারদের নগ্নতা" বলতে আপনার অর্থ কী তা কী আপনি বিশদভাবে বলতে পারেন? ধন্যবাদ!

— জেলাজনি 7

"তবুও প্যারামিটারের ন্যালিটি" একটি টাইপ ছিল যা আমি পাঠ্যে স্থির করেছিলাম। সে সম্পর্কে দুঃখিত :-)

— gui11aume