मॉडल निदान

डेटा से अनुमान, आकलन और निर्णय निर्माण

प्रतिगमन फिट करना आसान हिस्सा। कठिन प्रश्न क्या आप इस पर भरोसा कर सकते। मॉडल निदान वे जाँच जो एक मॉडल पकड़ते जो संख्याएँ फिट लेकिन अंतर्निहित मान्यताएँ उल्लंघन। सबसे उपयोगी वस्तु अवशिष्ट: e = y − ŷ, बचा जो मॉडल समझा नहीं।

यदि मॉडल सही, अवशिष्ट शुद्ध शोर जैसे: कोई पैटर्न, निरंतर फैलाव, लगभग सममित। मुख्य उपकरण एक अवशिष्ट आलेख: अवशिष्ट y-अक्ष पर, फिट मान (या एक इनपुट) x-अक्ष पर। आप संरचना खोजते जो नहीं होना चाहिए।

एक अच्छा डॉक्टर केवल बीमारी का नाम बताकर नहीं रुकता; वे जांचते हैं कि उपचार के बाद कौन से लक्षण बचे हैं। यदि किसी मरीज को अभी भी एक जिद्दी खांसी है, तो निदान (diagnosis) में कुछ छूट गया है। अवशिष्ट (Residuals) एक मॉडल के बचे हुए लक्षण हैं: डेटा का वह हिस्सा जिसे फिट की गई रेखा समझा नहीं सकी। यदि वे हानिरहित यादृच्छिक शोर (random noise) के बजाय एक स्पष्ट पैटर्न दिखाते हैं, तो मॉडल से कुछ छूट भी गया है।

ML में इसका स्थानअवशिष्ट विश्लेषण ML में शिक्षण-वक्र और त्रुटि विश्लेषण का सांख्यिकीय पूर्वज। "प्रशिक्षण हानि ≠ सत्यापन हानि" एक निदान: बड़ा अंतर न्यून्यष्टि (उच्च प्रसरण) संकेत, जैसे पैटर्न वाले अवशिष्ट एक मिस्सpecified मॉडल संकेत। अपनी त्रुटियों को उपसमूह से काटकर जहाँ मॉडल व्यवस्थित विफल खोज ठीक अवशिष्ट-आलेख सोच, बढ़ाया।
▶ मॉडल निदान
← बहु रैखिक प्रतिगमननियमित प्रतिगमन →