使用回歸模型時需要服從基本假設嗎?
2019/05/26 下午 04:16
機器學習共學討論版
cathyy
觀看數:16
回答數:2
收藏數:0
ml100-2
ml100-2-d37
如同這篇文章 https://blog.csdn.net/Noob_daniel/article/details/76087829
在做迴歸分析時 是否需要檢驗資料有沒有服從 常態、獨立、變異、同質性呢
還是只要模型有高準確度即可忽略?
回答列表
-
2019/05/27 上午 10:20Jimmy贊同數:1不贊同數:0留言數:0
Hi cathyy!
嚴謹的做法當然是要服從各項假設,否則跑出來的結果就會產生許多偏誤,像是自變數之間有高度共線性時,就會導致估計出來的參數失準,造成錯誤的結果解釋。
以目前機器學習領域中的實務中,因為 tree-based 的模型不需較多假設,也可以擬合非線性的資料,因此多數人優先會使用樹模型。
-
2019/05/27 上午 10:29張維元 (WeiYuan)贊同數:0不贊同數:0留言數:0
嗨,如果是比較統計的角度的話應該是要符合的,後面的結果才有效。但現在我看很多人不一定會做這樣嚴謹的假設,會從結果再回推。
不過「還是只要模型有高準確度即可忽略?」這句話應該是錯的,高準確度也要避免誤判或是誤導,例如 Overfitting 現像。