Datasets:
Vikhrmodels
/
programming_books_rus

Dataset card Data Studio Files
xet
 Community
1
text
stringlengths
0
1.95k
q
1
2
3
…
7
CV Вид модели
R2
0.26 Y = -38.59 + 210/H
0.31 Y = -17 + 198/H - 12.7ln(Na)
0.32 Y = -94.82 + 218/H - 11.4 ln(Na) + 114(Carb)0.5
…
0.42 Y = 430 + {571H - 1503ln(H) - 309.8eH } + 145.5(Carb)0.5 - 19.5ln(Na) -
- 21.1/Cl - 15ln(Cl)
Рис. 4.7. Изменение коэффициента детерминации при кросс-проверке R2
размерности подпространства переменных, используемых при построении моделей; приведены
модели, признанные лучшими на некоторых уровнях
CV в зависимости от
Модель оптимальной сложности при q = 7 включает все четыре фактора, что и
лучшая модель с парными взаимодействиями (табл. 4.4), однако нелинейный характер
влияния факторов учитывается здесь за счет функциональных преобразований исходных
переменных. Коэффициенты модели оказались статистически значимыми кроме терма
15ln(Cl) с p = 0.085. Однако исключать этот член нет объективных оснований, поскольку
он вносит свой определенный вклад в поддержку качества предсказания. Представляется
разумным сформулировать следующее общее правило: "допустимо включение в модель
термов со статистически незначимыми коэффициентами, если при этом улучшаются
статистики кросс-проверки". Можно также отметить, что модель с q = 7 оказалась также
наилучшей и внутреннему информационному критерию качества AIC – см. табл. 4.5.
Таблица 4.5. Сводная таблица основных статистических характеристик моделей регрессии
Модель
Использован-
ный алгоритм
Полная
Шаговый
Генетический
Линейная
Линейная
Полином
Нелинейная Шаговый
Нелинейная СПА
Нелинейная Кросс-проверка
Число пре-
дикторов
7
3
7
31
7
7
Sе ошибка
регрессии
61.36
60.8
53.89
50.4
54.6
53.2
R2 детерми-
нации прив.
0.3209
0.332
0.4761
0.541
0.462
0.488
F-
статистика
13.4
27.19
21.51
7.0
20.38
22.57
AIC-
критерий
1769.2
1763.6
1728.9
1728.3
1733.1
1725