Search
#每日5分鐘快速添補ai知識與技能
機器學習領域中，模型評估很重要，
只有選擇與問題互相對等的評估方法，
才能讓更好模型訓練和模型選擇時出現的問題，
能對模型進行更好的迭代優化。
⠀⠀
怎麼知道，訓練出來的模型成效好不好？
透過一些驗證指標來當成效指標，
能依據應用分為「分類指標」和「回歸指標」。
針對分類、排序、回歸、序列預測等
不同類型的機器學習問題，
模型評估指標的選擇也會不一樣。
⠀⠀
觀看完整模型評估指標👇
https://blog.tibame.com/?p=18433
⠀⠀
#AI60問 #機器學習 #模型
【AI／資料科學不可不知的60道問題】
每週4篇AI新知識，一次只要5分鐘，
具備AI跨域知識，為職場技能加分💪
#TibaMe #緯育TibaMe #知識 #學習 #科技
AI的未來？你不能不認識的人工智慧與資料科學自動化技術—AutoML(3/10)
二、模型選擇（Model Selection）
模型選擇在建立良好的機器學習模型中有著至關重要的作用。模型選擇是從訓練資料集的候選機器學習模型集合中，選擇一個最終機器學習模型的過程。模型選擇是可以同時應用於不同類型的模型（例如，邏輯回歸、SVM、KNN等）以及配置有不同模型超參數的相同類型的模型的過程。前述之Auto-sklearn是基於scikit-learn的自動化套件，是一種自動模型選擇的工具。另外還有H2O AutoML，除了有自動模型選擇功能外，也能產生高預測性的集成學習（ensemble learning）模型，圖為H2O software stack，引用自https://docs.h2o.ai/h2o/latest-stable/h2o-docs/architecture.html
选择 合适的回归模型学习自： https://blog.csdn.net/zrh_CSDN/article/details/81190001 R-Squard Intuition线性回归问题中，R-Squared 是用来衡量 ... ... <看更多>
播放列表名称：计量经济学第1讲 回归 分析概述1.1 计量经济学引论1.2 ... 讲单元测试第3讲单元作业第4讲 模型 设定4.1 选择 解释变量4.2 选择 函数形式第4讲 ... ... <看更多>
回歸 模型選擇 在 [問題] 線性回歸預測模型的變數選擇- 看板Statistics - 批踢踢實業坊 的推薦與評價
統計專業板友好，老妹統計外行一個，工作多年基本上都還給教授了，
最近負責帶的暑期實習生專案遇到了一個問題想請教
<背景>
研究主題是「市場變數對公司產品價格(單位價格)的影響」
(敝公司產品類似記憶體產業那種3-5家寡占性競爭)
事實上這個主題在2015年曾有前手研究過，當時以2010-2014資料分析，
得出最強三大相關性的因子為
1.供需 2.市占率總變動值(前三大取絕對值) 3. 下游客戶獲利率
然而此次以2015-2021資料研究，整體變數的相關性幾乎都接近0或低度相關
勉強找出前三大相關性因子為
1.季節性 2.市占率總變動值 3.競爭對手獲利率
光是供需這一點完全變成沒有相關性，就快被老闆問到瘋了~不過我已經找到解釋的原因
(市場供需的結構改變和目前使用的估算資料可能和我們理解的真實世界不同)
<問題>
由於需要預測2022價格走勢，我讓實習生找出一個比較合適的模型 (多變數線性回歸)
我直覺認為應該1.季節性 2.市占率總變動值 3.競爭對手獲利率的模型會是最合適的
R2=0.77
各自P-value為0.0/0.69/0.0
沒想到實習生卻得到1.季節性 2.供需 3.競爭對手獲利率的組合會更合適
R2=0.82
各自P-value為0.0/0.04/0.0
原本跟老闆說，供需已經變不重要變數了，結果預測還使用了供需這個變數
完全打臉~
我的問題可能問得不夠專業，盼板友可以分享可能的原因或不吝指正
謝謝大家~
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 165.225.116.174 (美國)
※ 文章網址: https://www.ptt.cc/bbs/Statistics/M.1632448520.A.0DC.html
... <看更多>