Селекция и комплексация моделей с использованием пакета MuMIn
Описываются механизмы ранжирования моделей-претендентов с последующим формированием статистического заключения на основе подмножества лучших из них. Сообщение состоит из двух частей.
Часть 1: "Отбор лучших моделей на основе информационных критериев" включает обоснование мультимодельного подхода и описание используемых критериев.
Рассматривается функция dredge(), которая осуществляет построение всех возможных моделей из различных комбинаций независимых переменных и последующее их ранжирование по информационным критериям. Приводится три примера с построением линейных моделей регрессии от количественных и порядковых независимых переменных и нелинейной модели.
Рассматривается функция dredge(), которая осуществляет построение всех возможных моделей из различных комбинаций независимых переменных и последующее их ранжирование по информационным критериям. Приводится три примера с построением линейных моделей регрессии от количественных и порядковых независимых переменных и нелинейной модели.
Часть 2: "Объединение моделей для получения коллективного решения" представляет различные методы агрегирования модельных параметров. На примерах обычной линейной и логистической регрессии анализируются различные варианты комплексации прогнозов и оценивается зависимость точности решения от численности "коллектива". Выполнено сравнение эффективности наилучшей агрегированной модели с другими моделями на основе опорных векторов "случайного леса" и др.
Адрес для доступа к PDF-файлу сообщения -
Комментариев нет:
Отправить комментарий