Övervakad inlärning i R: Regression

Nu när du vet hur man anpassar grundläggande linjära regressionsmodeller är det dags att lära sig utvärdera hur väl modellerna presterar. Vi går igenom grafisk modellutvärdering och tittar på två grundläggande mätvärden för regressionsmodeller. Du lär dig också hur du tränar en modell som fungerar bra på ny data, inte bara på träningsdata. Även om vi demonstrerar teknikerna med linjär regression gäller alla dessa koncept för modeller anpassade med vilken regressionsalgoritm som helst.

Innan vi går vidare till mer avancerade regressionstekniker tittar vi på ytterligare modelleringsfrågor: modellering med kategoriska indata, interaktioner mellan variabler och när det kan vara lämpligt att transformera indata och utdata före modellering. Mer avancerade regressionstekniker hanterar vissa av dessa frågor automatiskt, men det är viktigt att känna till dem för att förstå vilka metoder som passar bäst i olika situationer – och vilka frågor du fortfarande behöver hantera själv.

Nu när du behärskar linjära modeller börjar vi titta på tekniker för att modellera situationer som inte uppfyller antagandena om linjäritet. Det inkluderar att förutsäga sannolikheter och frekvenser (värden begränsade till intervallet 0 till 1), förutsäga antal (icke-negativa heltalsvärden och tillhörande rater) samt utfall som har ett icke-linjärt men additivt samband med indatan. Dessa algoritmer är varianter av den vanliga linjära modellen.

I det här kapitlet tittar vi på modelleringsalgoritmer som inte förutsätter linjäritet eller additivitet, och som kan lära sig begränsade typer av interaktioner mellan indatavariabler. Det handlar om *trädbaserade* metoder som bygger på att kombinera ensembler av *beslutsträd* som lärts in från träningsdata.