বেসরকারী ওএলএস রিগ্রেশন একটি ফাংশন উপাত্তগুলিতে সেট করার জন্য খুব ভাল কৌশল। তবে সাধারণ রিগ্রেশন কেবলমাত্র একটি সরল রেখায় ফিট করে যা এর সম্পূর্ণ সম্ভাব্য ব্যাপ্তির জন্য ধ্রুবক । প্রদত্ত পরিস্থিতির জন্য এটি উপযুক্ত নাও হতে পারে। উদাহরণস্বরূপ, ডেটা কখনও কখনও একটি বক্ররেখার সম্পর্ক দেখায় । এক্স , এফ ( এক্স ) এর রূপান্তরকে ওয়াইকে রিগ্রিজ করার মাধ্যমে এটি মোকাবেলা করা যেতে পারে । বিভিন্ন রূপান্তর সম্ভব। পরিস্থিতিতে যেখানে মধ্যে সম্পর্ক এক্স এবং ওয়াই হয় একঘেয়ে , কিন্তু ক্রমাগত বন্ধ tapers, একটি লগ রুপান্তরএক্সওয়াইএক্সচ( এক্স)এক্সওয়াইব্যবহার করা যেতে পারে. আর একটি জনপ্রিয় পছন্দ হ'ল একটি বহুবচন ব্যবহার করা যেখানে একাধিক শক্তির উত্থাপনের মাধ্যমে তৈরি করা হয় (যেমন, এক্স 2 , এক্স 3 , ইত্যাদি)। এই কৌশলটি কার্যকর করা সহজ, এবং আপনি আপনার ডেটাতে কতগুলি 'বেন্ড' বিদ্যমান তা বলার মতো ফিটকে ব্যাখ্যা করতে পারেন (যেখানে মোড়ের সংখ্যা সর্বোচ্চ পাওয়ারের জন্য প্রয়োজনীয় বিয়োগ 1 এর সমান)। এক্সএক্স2এক্স3
যাইহোক, লোগারিদম বা কোভেরিয়েটের কোনও উদ্দিষ্টের উপর ভিত্তি করে রিগ্রেশনগুলি কেবল তখনই উপযুক্ত হবে যখন এটি সত্য সম্পর্কের সঠিক প্রকৃতি। এক্স এর মধ্যে একটি বক্ররেখা সম্পর্ক রয়েছে তা কল্পনা করা বেশ যুক্তিসঙ্গতএক্স এবং যা এই রূপান্তরগুলির পক্ষে সম্ভাবনা থেকে পৃথক । সুতরাং, আমরা অন্য দুটি কৌশল আসা। প্রথম অ্যাপ্রোচটি হ'ল , চলন্ত উইন্ডোতে গণনা করা ভারী লিনিয়ার রেগ্রেশনগুলির একটি সিরিজ। এই পদ্ধতিটি পুরানো, এবং অনুসন্ধানের ডেটা বিশ্লেষণের পক্ষে আরও উপযুক্ত । ওয়াই
অন্য পদ্ধতির স্প্লিং ব্যবহার করা হয়। এটি সর্বাধিক সহজ, স্প্লাইনটি একটি নতুন শব্দ যা X এর পরিসরের একটি অংশে প্রযোজ্য । উদাহরণস্বরূপ, এক্স 0 থেকে 1 এর মধ্যে হতে পারে এবং স্প্লাইন টার্মটি কেবলমাত্র .7 থেকে 1 অবধি হতে পারে this উদাহরণস্বরূপ, .7 গিঁট । একটি সাধারণ, লিনিয়ার স্প্লাইন শব্দটি এইভাবে গণনা করা হবে:
এক্স এস পি এল আই এনএক্সএক্স
এক্সএস পি এল আই এন ই= { 0এক্স- .7যদি এক্স≤ .7যদি এক্স> .7
এবং আপনার মডেল যোগ করা হবে,
ছাড়াও মূল
শব্দটি। লাগানো মডেলটি 0 থেকে .7 পর্যন্ত একটি সরল রেখার সাথে .7 এ একটি তীব্র বিরতি প্রদর্শন করবে এবং লাইনটি .7 থেকে 1 পর্যন্ত ভিন্ন opeালু দিয়ে অবিরত থাকবে তবে যাইহোক, একটি স্প্লাইন শব্দটি রৈখিক হওয়া উচিত নয়। বিশেষত, এটি নির্ধারিত হয়েছে যে কিউবিক স্প্লাইনগুলি বিশেষত দরকারী (যেমন,
এক্স 3 এস পি এল আই এন ই ই)এক্সএক্স3এস পি এল আই এন ই)। তীব্র বিরতি হয় না, হয়। অ্যালগরিদমগুলি বিকাশ করা হয়েছে যা প্রথম পর্ব এবং দ্বিতীয় ডেরিভেটিভস নটগুলিতে মেলে এমন ফিট পরামিতিগুলিকে সীমাবদ্ধ করে, যা গিঁটগুলিকে আউটপুট সনাক্ত করতে অসম্ভব করে তোলে। এই সমস্ত কিছুর শেষ ফলাফল হ'ল কয়েকটি গিঁটের (সাধারণত 3-5) পছন্দের জায়গাগুলিতে (কোন সফ্টওয়্যার আপনাকে নির্ধারণ করতে পারে) বেশ পুনরুত্পাদন করতে পারে
কোনবক্ররেখা। তদুপরি, স্বাধীনতার ডিগ্রিগুলি সঠিকভাবে গণনা করা হয়, সুতরাং আপনি ফলাফলগুলিতে বিশ্বাস করতে পারেন যা আপনি প্রথমে আপনার ডেটা দেখলে এবং পরে স্কোয়ার টার্ম ফিট করার সিদ্ধান্ত নেন কারণ আপনি বাঁক দেখেছিলেন। তদতিরিক্ত, এগুলি সমস্তই মূল রৈখিক মডেলের অন্য একটি সংস্করণ (আরও জটিল হলেও)। সুতরাং, আমরা লিনিয়ার মডেলগুলির সাথে যা পাই তা হ'ল এটি (যেমন, ভবিষ্যদ্বাণী, অবশিষ্টাংশ, আত্মবিশ্বাস ব্যান্ড, পরীক্ষা ইত্যাদি) এগুলি
যথেষ্ট সুবিধা।
আমি জানি যে এই বিষয়গুলির সহজতম ভূমিকাটি হ'ল: