479. Selekcja zmiennych krokowa – dlaczego bywa krytykowana?
Selekcja krokowa jest prosta i popularna, ale może prowadzić do niestabilnych modeli, zawyżonej oceny dopasowania i błędnych wniosków.
Selekcja krokowa jest prosta i popularna, ale może prowadzić do niestabilnych modeli, zawyżonej oceny dopasowania i błędnych wniosków.
Walidacja wewnętrzna pomaga ocenić, jak model regresyjny może działać na nowych danych. Lekcja omawia podział próby, cross-validation i bootstrap.
Overfitting sprawia, że model świetnie opisuje dane z próby, ale słabo działa dla nowych osób. Zobacz, jak go rozpoznać i ograniczyć.
Regresja liniowa wymaga sprawdzenia kilku założeń dotyczących zmiennych, reszt, obserwacji odstających i zależności między predyktorami. Poznaj kompletną checklistę diagnostyczną.
R² pokazuje, jaką część zróżnicowania wyniku opisuje model, ale nie jest samodzielną miarą jego jakości. Poznaj także skorygowane R² i pułapki interpretacji.
Współczynnik regresji b pokazuje, jak zmienia się średnia wartość zmiennej zależnej przy zmianie predyktora o jedną jednostkę. Lekcja wyjaśnia jego interpretację, jednostki, przedziały ufności, znaczenie praktyczne i typowe błędy.