মডেলগুলির সাথে তুলনা করার জন্য কি আর-স্কোয়ার মানটি উপযুক্ত?

Question

আমি অটোমোবাইলের শ্রেণিবদ্ধ বিজ্ঞাপন সাইটগুলিতে উপলব্ধ দাম এবং বৈশিষ্ট্যগুলি ব্যবহার করে অটোমোবাইলের দাম সম্পর্কে পূর্বাভাস দেওয়ার জন্য সেরা মডেলটি সনাক্ত করার চেষ্টা করছি।

এর জন্য আমি সাইকিট-লার্ন লাইব্রেরি এবং পাইব্রাইন এবং নিউরোলব থেকে নিউরাল নেটওয়ার্ক মডেলগুলির বেশ কয়েকটি মডেল ব্যবহার করেছি। আমি এখন পর্যন্ত যে পদ্ধতির ব্যবহার করেছি তা হ'ল কিছু মডেলের (মেশিন লার্নিং অ্যালগরিদম) মাধ্যমে নির্দিষ্ট পরিমাণে ডেটা চালানো এবং সেখানে মানগুলি তুলনা করা যা সাইকিট-লার্ন মেট্রিক্স মডিউলটির সাথে গণনা করা হয়েছিল।$R^2$

1. বিভিন্ন মডেলের পারফরম্যান্সের তুলনা করার জন্য কি একটি ভাল পদ্ধতি?$R^2$
2. যদিও আমি ইলাস্টিক নেট এবং র্যান্ডম অরণ্যের মতো মডেলগুলির জন্য বেশ গ্রহণযোগ্য ফলাফল পেয়েছি আমি নিউরাল নেটওয়ার্ক মডেলগুলির জন্য খুব দরিদ্র মান পেয়েছি , তাই আর 2 কি নিউরাল নেটওয়ার্কগুলি (বা অ-লিনিয়ার পদ্ধতি) মূল্যায়নের জন্য উপযুক্ত পদ্ধতি?$R^2$$R^2$

Comments

সংক্ষিপ্ত উত্তর না হয় । এটি আপনাকে আমার উত্তরটি পড়তে এখানে সহায়তা করতে পারে: সেরা মডেল বাছাই করার জন্য মডেল মূল্যায়ন এবং তুলনা , যা আপনার প্রশ্নের সাথে নিবিড়ভাবে সম্পর্কিত। একজন প্রার্থীর সমাধান এখানে বর্ণিত হয়েছে । আরও সাধারণ বোঝার জন্য, আপনি মডেল-নির্বাচন ট্যাগের অধীনে শ্রেণিবদ্ধ সাইটের কিছু থ্রেড পড়ার চেষ্টা করতে পারেন ।

— গুং - মনিকা পুনরায়

@ গুং আপনাকে ধন্যবাদ! আমি জিজ্ঞাসা করতে পারি যে নিউরাল নেটওয়ার্কগুলি ব্যবহার করে রিগ্রেশনের জন্য উপযুক্ত ন্যূনতমতা কী হতে পারে?

— মানিক

Answer 1

আমি মনে করি আপনার প্রশ্নের উত্তর দেওয়ার ক্ষেত্রে বিবেচনা করা গুরুত্বপূর্ণ অংশটি

আমি অটোমোবাইলের দামের পূর্বাভাস দেওয়ার জন্য সেরা মডেলটি সনাক্ত করার চেষ্টা করছি

কারণ এই বিবৃতিটি আপনি মডেলটি কেন ব্যবহার করতে চান সে সম্পর্কে কিছু বোঝায় । মডেল পছন্দ এবং মূল্যায়ন আপনি আপনার লাগানো মানগুলির সাথে কী অর্জন করতে চান তার ভিত্তিতে হওয়া উচিত।

$R^2$$e_i = y_i - \hat{y}_i$$y_i$$\hat{y}_i$$SSR := \sum_{i=1}^Ne_i^2$$SST:=\sum_{i=1}^N(y_i - \bar{y})^2$$R^2$$R^2 = 1 - SSR/SST$

$R^2$$\bar{Y}_M$$M:M \in \mathcal{M}$$\mathcal{M}$$SST$$R^2$$SSR$$M \in \mathcal{M}$

$R^2$$SSR$ $L^2$$L^1$

$R^2$$L^p$$1 \leqslant p <2$$p=1$$L^p$$L^p$

সংক্ষেপে, মডেল পছন্দ / মূল্যায়ন মডেলের লক্ষ্য থেকে স্বতন্ত্রভাবে বিবেচনা করা যাবে না।