728x90 반응형 선형회귀2 [Machine learning] 선형회귀모델 (2) 결과 해석 - t-value (t-test,t검정), p-value, R2score https://huidea.tistory.com/246 [Machine learning] 선형회귀모델 (1) 모델검정 - 정규성/등분산성/독립성 Intro. 선형회귀 모델을 구현할 때, 그저 LinearRegression.fit()을 해도 학습은 물론 된다. 하지만, 생성된 모델이 선형회귀의 기본 가정을 따르는지 아닌지 체크가 필요하다. 선형회귀가정에 따르지도 huidea.tistory.com 이 포스팅에 이어 이번 포스팅에서는 선형회귀모델의 결과 해석에 대해 살펴보고자 한다. index 1. Boston 집값 예측으로 모델링 2. Stats model summary 의미 해석 3. R2score의 의미 1. Boston 집값 예측으로 모델링 #### 0. import module #### from sk.. 2022. 2. 20. [Machine learning] 선형회귀모델 (1) 모델검정 - 정규성/등분산성/독립성 Intro. 선형회귀 모델을 구현할 때, 그저 LinearRegression.fit()을 해도 학습은 물론 된다. 하지만, 생성된 모델이 선형회귀의 기본 가정을 따르는지 아닌지 체크가 필요하다. 선형회귀가정에 따르지도 않는데 데이터를 선형회귀에 끠워맞춰서 결과값을 뽑으면 그 값은 엉망진창일테니까 꼭 살펴봐야할 선형회귀 가정과 확인 방법에 대해서 이번 글에서 적어보겠따! +) 확률 오차 (잔차) = 타겟값 - 예측값 예측값은 확률 분포이기 때문에, 잔차도 확률 오차 index 1. 선형회귀의 가정 - 정규성, 등분산성, 독립성 2. 확률오차의 정규성 확인 2.1 QQplot 2.2 샤피로 검정 3. 확률오차의 등분산성 확인 - residual plot 4. 독립성 확인 4.1 예측값과 잔차간의 독립성 : .. 2022. 2. 3. 이전 1 다음 728x90 반응형
