অত্যন্ত সংযুক্ত রেজিস্ট্রার সহ একাধিক লিনিয়ার রিগ্রেশন, ব্যবহারের জন্য সেরা কৌশলটি কী? সমস্ত সম্পর্কযুক্ত রেজিস্ট্রারদের পণ্য যুক্ত করা কি বৈধ পদ্ধতির?
অত্যন্ত সংযুক্ত রেজিস্ট্রার সহ একাধিক লিনিয়ার রিগ্রেশন, ব্যবহারের জন্য সেরা কৌশলটি কী? সমস্ত সম্পর্কযুক্ত রেজিস্ট্রারদের পণ্য যুক্ত করা কি বৈধ পদ্ধতির?
উত্তর:
অধ্যক্ষ উপাদানগুলি গাণিতিকভাবে অনেক অর্থবোধ করে। তবে, আমি এই ক্ষেত্রে কিছু গাণিতিক কৌশল ব্যবহার করে এবং এই সমস্যাটি নিয়ে আশা করি যে আমার সমস্যা সম্পর্কে ভাবার দরকার নেই ।
আমার কী ধরণের ভবিষ্যদ্বাণী রয়েছে, স্বতন্ত্র পরিবর্তনশীল কী, আমার ভবিষ্যদ্বাণীকারীরা কেন পারস্পরিক সম্পর্কযুক্ত, আমার কিছু ভবিষ্যদ্বাণীকারী আসলে একই অন্তর্নিহিত বাস্তবতা পরিমাপ করছে কিনা তা নিয়ে আমি একটু চিন্তা করার পরামর্শ দিই (যদি তাই হয় তবে আমি কেবল একটি দিয়ে কাজ করতে পারি কিনা একক পরিমাপ এবং আমার ভবিষ্যদ্বাণীকারীদের মধ্যে এটির জন্য সর্বোত্তম হবে), আমি কীসের জন্য বিশ্লেষণ করছি - যদি আমি অনুমানের বিষয়ে আগ্রহী না হই, কেবলমাত্র পূর্বাভাসে, তবে আমি আসলে যতক্ষণ ভবিষ্যতে থাকি ঠিক তেমন জিনিসগুলি রেখে যেতে পারতাম ভবিষ্যদ্বাণীকারী মানগুলি অতীতের মতো।
এই সমস্যাটি মোকাবেলা করতে আপনি প্রধান উপাদান বা রিজ রিগ্রেশন ব্যবহার করতে পারেন। অন্যদিকে, আপনার যদি দুটি ভেরিয়েবল থাকে যা প্যারামিটারের অনুমানের সাথে সমস্যা তৈরি করার জন্য যথেষ্ট পরিমাণে সংযুক্ত থাকে তবে আপনি অবশ্যই ভবিষ্যদ্বাণীটির দিক থেকে খুব বেশি ক্ষতি না করে দু'জনের একটিটিকে ফেলে দিতে পারেন - কারণ দুটি ভেরিয়েবল একই তথ্য বহন করে । অবশ্যই, এটি কেবল তখনই কার্যকর হয় যখন সমস্যাটি দুটি অত্যন্ত সংযুক্ত স্বতন্ত্র প্রার্থীর কারণে । যখন সমস্যাটিতে দুটিরও বেশি ভেরিয়েবল জড়িত থাকে যা একসাথে প্রায় কলিনারি থাকে (যার মধ্যে দুটির মধ্যে কেবলমাত্র মাঝারি সম্পর্ক রয়েছে), আপনার সম্ভবত অন্য পদ্ধতির একটি প্রয়োজন need
এখানে আরও একটি চিন্তা যা স্টিফানের উত্তরে অনুপ্রাণিত :
যদি আপনার কিছু সম্পর্কযুক্ত রেজিস্ট্রারগুলি অর্থপূর্ণভাবে সম্পর্কিত হয় (যেমন, তারা বুদ্ধিমত্তার বিভিন্ন পদক্ষেপ, যেমন, মৌখিক, গণিত ইত্যাদি) তবে আপনি একটি একক ভেরিয়েবল তৈরি করতে পারেন যা নীচের একটি কৌশল ব্যবহার করে একই চলকটি পরিমাপ করে:
রেজিস্ট্রারদের যোগ করুন (যদি রেজিস্ট্রারগুলি সম্পূর্ণরূপে উপাদান হয় তবে উদাহরণস্বরূপ, মৌখিক আইকিউ + গণিত আইকিউ = সামগ্রিক আইকিউ)
রেজিস্ট্রারগুলির গড় গড় (যদি রেজিস্ট্রারগুলি একই অন্তর্নির্মিত নির্মাণ পরিমাপ করে থাকে যেমন, বাম জুতার আকার, পায়ের দৈর্ঘ্য পরিমাপ করতে ডান জুতোর আকার)
ফ্যাক্টর বিশ্লেষণ (পরিমাপের ত্রুটিগুলির জন্য অ্যাকাউন্টে এবং একটি সুপ্ত ফ্যাক্টরটি বের করার জন্য)
তারপরে আপনি সমস্ত সম্পর্কযুক্ত রেজিস্ট্রারগুলি ফেলে দিতে পারেন এবং উপরের বিশ্লেষণ থেকে উত্পন্ন এক পরিবর্তনশীল দ্বারা তাদের প্রতিস্থাপন করতে পারেন।
আমি উপরের স্টিফান কোলাছার মতো একই কথা বলতে যাচ্ছিলাম (সুতরাং তার উত্তরটিকে সমর্থন করে)। আমি কেবল যুক্ত করতাম যে কখনও কখনও বহুবিধ লাইনটি বিস্তৃত ভেরিয়েবলগুলি ব্যবহারের কারণে হতে পারে যা সমস্ত আকারের কিছু পরিমাপের সাথে সম্পর্কিত হয় এবং নিবিড় ভেরিয়েবলগুলি ব্যবহার করে জিনিসগুলি উন্নত করা যায়, অর্থাৎ আকারের কিছু পরিমাপের মাধ্যমে সবকিছুকে বিভাজন করে। উদাহরণস্বরূপ, যদি আপনার ইউনিটগুলি দেশ হয় তবে আপনি জনসংখ্যা, অঞ্চল বা জিএনপি অনুসারে ভাগ করতে পারেন, প্রসঙ্গে on
ওহ - এবং আসল প্রশ্নের দ্বিতীয় অংশের উত্তর দেওয়ার জন্য: সমস্ত সম্পর্কিত সম্পর্কযুক্ত রেজিস্ট্রারগুলির পণ্য যুক্ত করার সময় আমি কোনও পরিস্থিতির কথা ভাবতে পারি না এটি ভাল ধারণা হবে। এটা কিভাবে সাহায্য করবে? এর অর্থ কি?
আমি এতে কোনও বিশেষজ্ঞ নই, তবে আমার প্রথম চিন্তাটি ভবিষ্যদ্বাণীকারী ভেরিয়েবলগুলির উপর একটি মূল উপাদান বিশ্লেষণ চালানো হবে, তারপরে আপনার নির্ভরশীল ভেরিয়েবলের পূর্বাভাস দেওয়ার জন্য ফলাফলের মূল উপাদানগুলি ব্যবহার করুন।
এটি কোনও প্রতিকার নয়, তবে অবশ্যই সঠিক দিকের একটি পদক্ষেপ।