লিনিয়ার রিগ্রেশন-এ কখন এবং কীভাবে প্রমিত বর্ণনামূলক ভেরিয়েবলগুলি ব্যবহার করবেন use

Question

লিনিয়ার রিগ্রেশন সম্পর্কে আমার কাছে দুটি সাধারণ প্রশ্ন রয়েছে:

1. ব্যাখ্যামূলক ভেরিয়েবলগুলি মানক করার পরামর্শ কখন দেওয়া হয়?
2. মান নির্ধারিত মানগুলির সাথে একবার অনুমান করা হয়ে গেলে, কীভাবে নতুন মানগুলির সাথে ভবিষ্যদ্বাণী করা যায় (কীভাবে নতুন মানগুলিকে মানিক করা উচিত)?

কিছু তথ্যসূত্র সহায়ক হবে।

Comments

আপনার সফ্টওয়্যারটি যদি ভালভাবে লেখা থাকে তবে সংখ্যার যথাযথ সমস্যাটি এড়াতে এটি স্বয়ংক্রিয়ভাবে অভ্যন্তরীণভাবে মানক করে। আপনার বিশেষ কিছু করা উচিত নয়।

— whuber

নীচের থ্রেডটি সম্পর্কিত এবং নোটযুক্ত হ'ল নোট করুন: আপনার ডেটাটি কখন কেন্দ্র করা উচিত এবং কখন আপনার মানক করা উচিত? ।

— গুং - মনিকা পুনরায়

নীচের থ্রেডগুলি সম্পর্কিত, এবং আগ্রহের বিষয়গুলি নোট করুন: আপনার ডেটাটি কখন কেন্দ্র করা উচিত এবং কখন আপনার মানক করা উচিত? , এবং ভেরিয়েবলগুলি প্রায়শই একটি মডেল তৈরির আগে অ্যাডজাস্ট করা হয় (উদাহরণস্বরূপ, মানীকৃত) - এটি কখন ভাল ধারণা এবং এটি কখন খারাপ? ।

— গুং - মনিকা পুনরায়

Answer 1

যদিও পরিভাষা একটি বিতর্কিত বিষয়, তবে আমি "ব্যাখ্যামূলক" ভেরিয়েবল, "ভবিষ্যদ্বাণীকারী" ভেরিয়েবলগুলি কল করতে পছন্দ করি।

ভবিষ্যদ্বাণীকারীগুলিকে কখন মানীকরণ করবেন:

• একাধিক লিনিয়ার রিগ্রেশন সম্পাদন করার জন্য প্রচুর সফ্টওয়্যার স্ট্যান্ডার্ডাইজড কোএফিসিয়েন্টগুলি সরবরাহ করবে যা অমানুষিক গুণাগুণগুলির সমতুল্য যেখানে আপনি নিজেই ভবিষ্যদ্বাণীকে মান এবং প্রতিক্রিয়া পরিবর্তনশীল (অবশ্যই এটি মনে হয় আপনি কেবল প্রমিতিকাকে প্রমিতকরণের কথা বলছেন)।
• আমার অভিমত হ'ল রিগ্রেশন সমীকরণগুলিকে আরও অর্থবহ করার জন্য মানককরণ একটি দরকারী সরঞ্জাম। এটি বিশেষত সত্য ক্ষেত্রে যেখানে ভেরিয়েবলের মেট্রিকের মধ্যে রিগ্রেশন সমীকরণটির ব্যাখ্যা করা ব্যক্তির অর্থের অভাব হয় (উদাহরণস্বরূপ, একটি স্বেচ্ছাসেবিক মেট্রিকের উপর একটি মানসিক স্কেল)। এটি পূর্বাভাসক ভেরিয়েবলের আপেক্ষিক গুরুত্বের তুলনা করার সুবিধার্থেও ব্যবহার করা যেতে পারে (যদিও অপেক্ষাকৃত গুরুত্ব নির্ধারণের জন্য আরও অন্যান্য পরিশীলিত পদ্ধতির উপস্থিতি রয়েছে; আলোচনার জন্য আমার পোস্টটি দেখুন )। যে ক্ষেত্রে মেট্রিকের সাথে রিগ্রেশন সমীকরণটির ব্যাখ্যা করা ব্যক্তির অর্থ হয়, অযৌক্তিক সহগগুলি প্রায়শই বেশি তথ্যবহুল হয়।

• আমি আরও মনে করি যে স্ট্যান্ডার্ডযুক্ত ভেরিয়েবলের উপর নির্ভর করা এই বিষয়টির দৃষ্টি আকর্ষণ করতে পারে যে আমরা কোনও ভেরিয়েবলের মেট্রিককে কীভাবে পাঠকের কাছে আরও অর্থবহ করে তোলা যায় সে সম্পর্কে ভেবে দেখিনি।

• এন্ড্রু গেলম্যানের বিষয়টি নিয়ে মোটামুটি কথা বলতে হবে। উদাহরণস্বরূপ মানচিত্রের উপর তার পৃষ্ঠাটি দেখুন এবং বিশেষত গেলম্যান (২০০৮, স্ট্যাটস মেড, ফ্রি পিডিএফ) ।

স্ট্যান্ডার্ডাইজেশন ভিত্তিক ভবিষ্যদ্বাণী:

• আমি পূর্বাভাসের জন্য প্রমিত মানের রিগ্রেশন সহগ ব্যবহার করব না।
• যদি আপনি মূল নমুনায় পূর্বাভাসকারী ভেরিয়েবলের গড় এবং মানক বিচ্যুতি জানেন তবে আপনি সর্বদা মানসম্মত সহগকে আনস্ট্যান্ডার্ড সহগতে রূপান্তর করতে পারেন।

Comments

+1, তবে কেন আপনি পূর্বাভাসের জন্য অযৌক্তিক রিগ্রেশন সহগ ব্যবহার করবেন না?

— onestop

(+1) পরিবর্তনশীল গুরুত্বের মূল্যায়ন সম্পর্কে, আমি মনে করি রিলেম্পো আর প্যাকেজটি একটি ভাল কাজ করে (তবে রেজিস্ট্রেশনের আধুনিক পদ্ধতির সাথে শুরু করা দেখুন )। আধিপত্য বিশ্লেষণের বিষয়ে ডেভিড ভি। বুদেস্কুর একটি দুর্দান্ত কাগজও ছিল (অনুরোধে নিখরচায় পাওয়া যায়)।

— chl

@ অস্টেপ উফ টাইপো। এটি এখন পরিবর্তন হয়েছে।

— জেরোমি অ্যাংলিম

@ জারোমি, আপনি কী ভবিষ্যদ্বাণী করার জন্য মানক রেগ্রেশন সহগ ব্যবহার করবেন না তা ব্যাখ্যা করতে পারেন?

— মাইকেল বিশপ

@ মিশেলবিশপ আমি এমন প্রসঙ্গের কথা ভাবছি যেখানে আপনি আপনার রিগ্রেশন মডেলটি গ্রহণ করেন এবং নমুনা ডেটার পূর্বাভাস দেওয়ার জন্য এটি প্রয়োগ করেন। সাধারণভাবে, আপনি নিরস্তর পূর্বাভাস চান। এছাড়াও, উপায় এবং মানক বিচ্যুতি নমুনা জুড়ে পরিবর্তন করতে পারে; স্ট্যান্ডার্ড বিহীন ভবিষ্যদ্বাণী ব্যবহারকারীদের এভাবে আরও অর্থবহ ফলাফল দেওয়া উচিত।

— জেরোমি অ্যাংলিম

Answer 2

আমি একটি সংক্ষিপ্ত উত্তর ময়দা দিয়ে উত্তর দিন এটি আগে লেখা উত্তম উত্তর দিয়ে ওভারল্যাপ হতে পারে।

1. সর্বদা স্ট্যান্ডার্ডাইজ করুন, এটি আপনাকে রিগ্রেশনকে বিশেষ করে বিশেষতঃ সহনশীলতার সহগকে আরও ভালভাবে ব্যাখ্যা করতে দেয়।

2. স্ট্যান্ডারাইজ না হওয়া নতুন ডেটার জন্য আমি আপনাকে প্রতিটি ভেরিয়েবলের স্ট্যান্ডার্ড করার জন্য যে মানগুলি ব্যবহার করেছি সেগুলি সর্বাধিক এবং সর্বনিম্ন হিসাবে সংরক্ষণ করার জন্য পুনঃসংশোধন করি এবং তারপরে আপনি একই রুপান্তরটি আগে গর্ত ডেটাসেটে করেছিলেন তবে কেবল এই জন্য একক উদাহরণ।