আমি Lassoরিগ্রেশন জাতীয় কিছু আগে ভেরিয়েবলকে মানীকরণের তিনটি প্রধান কারণ পড়েছি :
1) সহগের ব্যাখ্যা।
2) সংকোচনের পরবর্তী সহগ অনুমানের তুলনামূলক পরিমাণের দ্বারা গুণমানের গুরুত্বকে র্যাঙ্ক করার ক্ষমতা।
3) বাধা প্রয়োজন নেই।
তবে আমি সবচেয়ে গুরুত্বপূর্ণ বিষয়টি নিয়ে ভাবছি। আমাদের কী ভাবার কারণ আছে যে মডেলাইজেশনটি মডেলটির নমুনা সাধারণীকরণের বাইরে উন্নতি করবে? আমার মডেলটিতে আমার কোনও ইন্টারসেপ্টের দরকার নেই কিনা তাও আমি খেয়াল করি না; একটি যুক্ত করা আমার ক্ষতি করে না।
1
স্পষ্টতা: আপনি জিজ্ঞাসা করতে চেয়েছেন, "শর্তযুক্ত যে মানসম্মতকরণ alচ্ছিক (বিশেষের একটি ক্ষেত্রে যেখানে ফলাফলগুলি বিভিন্ন মাত্রার দ্বারা অনুকরণ করা হয় না), তারপরে নমুনাটি কী নমুনা ছাড়াই সাধারণীকরণের উন্নতি করবে?" এটা কি সঠিক?
—
ড্রু 75
@ ড্র্রু I৫ আমি কেসগুলি বিচ্ছেদের পছন্দ করি উদাহরণস্বরূপ, ফলাফলগুলি "বিভিন্ন মাত্রার দ্বারা স্কুড" হওয়ার ফলে এটি কীভাবে সহায়তা করে যখন ফলাফলগুলি স্কিউড না করা হয় তখন এটি কার্যকর হয়, সর্বোত্তম উত্তরটি বিভিন্ন পরিস্থিতিতে আবৃত হবে।
—
জেস
তাহলে আপনার প্রশ্নটি লাসো সম্পর্কে নয় (কারণ সাধারণভাবে লাসোর আগে মানিককরণ প্রয়োজন)। এটা আরও সাধারণ। সম্ভবত শিরোনাম এবং প্রশ্নের প্রথম বাক্যটি পরিবর্তন করুন।
—
ড্রু 75
@ ড্রু: এটি বরং প্রশ্নোত্তর: কেন এটি প্রয়োজনীয় (কখন তা নয়?)? ফলাফলগুলি স্কু করার অর্থ কী (কোনও তুলনায়?)? আমি মনে করি প্রশ্নটি দাঁড়িয়ে আছে ঠিক আছে।
—
স্কর্চচি - মনিকা পুনরায় ইনস্টল করুন
@ ড্র্রু 75 আমার প্রশ্ন লাসো সম্পর্কে।
—
জেস