Отчет по регрессии

Визуализатор Отчет по регрессии компонента Линейная регрессия отображает параметры и результаты статистических тестов для анализа регрессионных моделей.

Данный визуализатор состоит из трех областей:

• Информация о модели
• Коэффициенты регрессии
• Шаги построения

Интерфейс

Операции

Область Информация о модели

• Информация о модели — отображение/скрытие информации о модели.

Область Коэффициенты регрессии

• Таблица — переключение отображения коэффициентов регрессии в вид Таблица.
• Дерево — переключение отображения коэффициентов регрессии в вид Дерево.
• Нулевые значения — отображение/скрытие нулевых значений.

Область Шаги построения

• Шаги построения — отображение/скрытие шагов построения модели.

Области визуализатора

Информация о модели

• Модель (выпадающий список) - позволяет выбрать одну из моделей, созданных пошаговым алгоритмом в процессе отбора факторов.

Описание показателей модели представлено в таблице:

Показатель	Описание
Константа	Информация о том содержит модель константу или нет
Логарифм функции правдоподобия	Показывает степень соответствия модели набору данных, на котором она обучается
Коэффициент детерминации	Доля дисперсии зависимой переменной, объяснённая регрессионной моделью (изменяется от 0 до 1)
Коэффициент детерминации (скорр.)	Отличается от нескорректированного коэффициента детерминации тем, что накладывает штраф за дополнительно вводимые в модель переменные (изменяется от 0 до 1)
Стандартное отклонение	Мера отклонения примеров от предсказанных моделью значений
Число степеней свободы ошибки	Разность между размером выборки и числом оцениваемых параметров модели
Число степеней свободы модели	Число независимо варьируемых переменных модели
F-статистика	Статистика F-теста для оценки значимости модели
Р-значение модели	Оценка значимости модели. Чем меньше P-значение, тем меньше вероятность нулевой гипотезы о том, что нет статистически значимой связи между зависимой и независимыми переменными. Вычисляется по F-статистике.
Критерий Акаике	Критерий используется для сравнения моделей с разным числом параметров, когда требуется выбрать наилучший набор объясняющих переменных
Критерий Акаике (скорр.)	Модифицированный критерий Акаике, применяемый для выборок малого размера, когда отношение числа содержащихся в ней примеров к числу параметров модели меньше 40
Критерий Байеса	Критерий основан на использовании функции правдоподобия и тесно связан с информационным критерием Акаике
Критерий Ханнана-Квина	Критерий основан на использовании функции правдоподобия и является альтернативой критериям Акаике и Байеса

Коэффициенты регрессии

Описание коэффициентов представлено в таблице:

Коэффициенты регрессии могут быть представлены в виде Таблицы (см. рисунок 1) или Дерева (см. рисунок 2).

Шаги построения

Область Шаги построения состоит из следующих полей:

Существует три вида моделей:

• Нулевая модель — начальная модель работы алгоритма.
• Промежуточная модель — модель, которую создал алгоритм в процессе обучения.
• Финальная модель — модель, которую алгоритм посчитал наилучшей.

Доступные для выбора показатели:

• F-тест (Р-значение)
• Коэф-т детерминации
• Коэф-т детерминации (скорр.)
• Критерий Акаике
• Критерий Акаике (скорр.)
• Критерий Байеса
• Критерий Ханнана-Куинна