Wyszukaj
Zaloguj / zarejestruj się
Jeśli masz już konto, możesz się zalogować.
Jeśli nie masz konta, zarejestruj nowe podając nazwę użytkownika, adres email i hasło.
Formularz kontaktowy
Memorizer+
Wykup dostęp
Ta funkcja jest dostępna dla użytkowników, którzy wykupili plan Memorizer+
Fiszki
Wanat Egzaminy I
Test w formie fiszek Modelowanie II
Ilość pytań: 54 Rozwiązywany: 929 razy
Sumę kwadratów reszt (RSS) nazywamy:
całkowitą zmiennością
zmiennością wyjaśnioną przez model
zmiennością niewyjaśnioną przez model
Średni błąd predykcji ex post (root mean square error, RMSE):
mierzy, o ile średnio odchylają się rzeczywiste realizacje zmiennej prognozowanej od obliczonych prognoz
wskazuje, o ile przeciętnie wzrasta wartość zmiennej prognozowanej w porównaniu z "ostatnią" wartością rzeczywistą
mierzy, w jakim stopniu model wyjaśnia zmiany zmiennej prognozowanej w czasie
Liniowy modelu regresji może być estymowany za pomocą:
metoda najmniejszych kwadratów
metody eksperckiej
metody największej wiarygodności
Dokonując wstępnego wyboru narzędzi modelowania predykcyjnego należy uwzględnić (między innymi) następujące czynniki:
właściwości różnych narzędzi modelowania predykcyjnego
rodzaj i zakres dostępnych danych statystycznych
specyfikę zadania predykcyjnego
Narzędzia wykrycia zależności pomiędzy zmiennymi opisującymi badane obiekty a prawdopodobieństwem zaistnienia lub poziomem pewnej zmiennej służą do:
modelowania predykcyjnego
uczenia bez nadzoru
eksploracji danych
Określenie wymagania co do dopuszczalności i horyzontu prognozy zaliczamy do następującego etapu budowy modelu predykcyjnego:
analitycznego przygotowania danych
sformułowania zadania prognostycznego
określenia kontekstu modelowania
Dodanie do uogólnionego modelu liniowego (GLM) kolejnej zmiennej zależnej (regresora) skutkuje:
zmniejszeniem dewiancji
większeniem dewiancji
zmniejszeniem lub zwiększeniem dewiancji (w zależności od tego, czy dodajemy zmienną jakościową, czy ilościową)
. Krzywą ROC można wykorzystać:
do ceny i porównywania między sobą modeli klasyfikacyjnych
do ustalenia optymalnego punkt odcięcia
do oceny współliniowości zmiennych objaśniających
W uogólnionym modelu liniowym (GLM) funkcja wiążąca łączy:
predyktor liniowy z wektorem parametrów modelu 𝜷 = (𝛽0, 𝛽1,..., 𝛽𝑘)
predyktor liniowy z średnią zmiennej zależnej
predyktor liniowy z kombinacją liniową średnich zmiennych niezależnych
Modelem zerowym nazywamy uogólniony model liniowy (GLM),
w którym nie uwzględnia się zmiennych objaśniających (regresorów)
o liczbie parametrów równej liczbie obserwacji
o największej dewiancji
W uogólnionym modelu liniowym (GLM)
wariancja zmiennej zależnej musi być stała
wariancja zmiennej zależnej może być dowolna
wariancja zmiennej zależnej może być funkcją jej średniej
Sumę kwadratów reszt (RSS) nazywamy:
zmiennością wyjaśnioną przez model
zmiennością niewyjaśnioną przez model
całkowitą zmiennością
Jakościowa zmienna objaśniająca przyjmująca wartości ze zbioru pięciu kategorii w liniowym modelu regresji jest kodowana za pomocą:
czterech zmiennych zero-jedynkowych
pięciu zmiennych zero-jedynkowych
liczba zmiennych kodujących zleży od liczby obserwacji
⦁ Dokonując wstępnego wyboru narzędzi modelowania predykcyjnego należy uwzględnić (między innymi) następujące czynniki:
specyfikę zadania predykcyjnego
rodzaj i zakres dostępnych danych statystycznych
właściwości różnych narzędzi modelowania predykcyjnego
Cześć!
Wykryliśmy, że blokujesz reklamy na naszej stronie.
Reklamy, jak zapewne wiesz, pozwalają na utrzymanie i rozwój serwisu. W związku z tym prosimy Cię o ich odblokowanie by móc kontynuować naukę.