Hallo,
Ich habe einen Datensatz, um den Verkaufspreis für Häuser vorherzusagen. Ich habe eine PCA-Analyse für die kontinuierliche Variable durchgeführt, ohne die Daten zu ändern oder zu bereinigen. Die Analyse deutete darauf hin, dass 26 der 31 Komponenten 96% der Variabilität erklären.
Also habe ich die Werte dieser 26 Komponente gespeichert. Jetzt versuche ich, eine neuronale Netzwerkanalyse durchzuführen, indem ich alle 26 gespeicherten Komponenten und alle übrigen kategorialen Variablen als auswähle X-Faktor und Verkaufspreis als Y . Mir ist klar, dass das R-Quadrat immer höher wird, wenn ich den NTanH-Wert in der ersten Schicht erhöht. Das R-Quadrat erhöht sich für NTanH 3 auf 10, dann bei NTanH 15 und dann wieder bei NTanH 40 usw.
WARUM SAGTE DER WERT FÜR 15 UND DANN WIEDER ANSTEIGEN?
PS ignorieren die letzten drei vorhergesagten Verkaufspreisspalten.
