多元回归预测简介,多元线性回归模型怎么预测

首页 > 教育 > 作者:YD1662024-06-12 07:47:32

让我们来看看调整后的R²。这个值类似于我在上一篇文章中提到的R²,但它经过调整,以便随着自变量被添加到模型中,调整后的R²不会增加,除非模型的改进有许多偶然性。因此,当我们将多元线性回归模型(有两个独立变量)与先前模型(只有一个自变量)进行比较时,调整后的R²是衡量成功的更好方法。

我们通常寻找大于0.6,但接近1的R²值来表示更好的线性拟合。在这里,训练调整R²= 0.517并调整测试R²= 0.556。上一次,我们的R²值分别为0.500和0.559,用于训练和测试。使用多元线性回归创建的模型比上次训练数据的简单回归模型稍微好一点,对测试数据也大致相同。

退一步

在Neo4j,我和我的同事们正面临着这样的问题:机器学习和人工智能在图形数据库属于什么位置?这个问题有几个答案,其中没有一个是"正确"的答案。在我之前的文章中,我演示了如何在图中的数据上构建一个简单的机器学习模型,以避免导出到另一个软件。在这篇文章中,出现了另一个有趣的方面:能够使用图形结构中固有存储的数据构建模型。通过计算每个列表上的(:Review) - [:REVIEWS] - >(:Listing)关系的数量,我们能够轻松地检索"评论数量"的数据。在这方面,图形数据库增加了我们可以轻松访问的数据类型,以便构建机器学习模型。

展望未来,我很想探索机器学习模型如何更有效地利用数据集的图形结构来学习和预测。

总结

以下是使用itgression.linear进行多线性回归的程序调整的一个快速列表:

多元回归预测简介,多元线性回归模型怎么预测(17)

编译出品

上一页12345末页

栏目热文

文档排行

本站推荐

Copyright © 2018 - 2021 www.yd166.com., All Rights Reserved.