正しい予測モデルを取得する方法こんにちは、もう一度あなたの助けが必要です。
私は最近分析を行っており、内容は簡単です。
これは、376行、223列、および単一のY値を持つデータです。
Y値予測モデルを取得するために、「フィット-モデル」（最小二乗フィット-標準最小二乗/効果スクリーニング）を使用し、最初に行1から263を使用してRスクエア0.95を取得しました。
「新しい列」に予測式を追加し、残りの264〜376の推定値を実際の測定値と比較しました。
その結果、新しいデータには以下よりも大きなエラーがあることがわかります。
他にどんな機能を追加したり、他の機能を利用したりできるのでしょうか。
データを添付しました、ありがとうございます。
（FYI、X_1はインデックス付けのための単なる番号付けです）
再：正しい予測モデルを取得する方法プラス、効果の要約の結果は、PValueが223のランク付けを表していることを示しています。
予測モデルの作成から除外できる変数を決定しようとすることで、どの基準を区別できるのでしょうか。
上位30％を使用していますか？またはPvalue 0.05未満ですか？
再：正しい予測モデルを取得する方法これらの変数に関するより多くのコンテキストを提供する必要があります-それは多くの潜在的な説明変数であり、互いに高度に相関しているように見えます（これにより、機能を減らすために主成分分析のようなものを試してみたいと思うかもしれません） 。 また、それは時系列データであるかのように見えます。その場合、そのように分析する必要があります。 最後に、最初の263行は後の行とは確かに異なる動作をします。したがって、それらの行でモデルがどれほど優れていても、そのモデルはその行の後に突然現れる傾向を予測する可能性は低いです。 予測子のいずれかがパターンのその変化を検出できるかどうかに焦点を当てたいと思います。 その傾向を示さない263行のみをモデル化することで、それを見つけることはできません。 そのため、データをトレーニングデータセットとテストデータセットに分割しましたが、トレーニングセットはテストデータとは非常に異なって見えます。これは、テストデータのモデルを作成するのに適した方法ではありません。 トレーニングデータとテストデータをランダムに選択する（検証列を使用する）方が適切なアプローチです。 しかし、何よりもまず、この時系列データですか（私にはそのように見えます）？
再：正しい予測モデルを取得する方法「正しい」予測モデルを取得することについての質問については、2つの考え方があります。
1。データ分析のみに基づいた数学モデルを開発する（例、ニューラルネットワーク、PCA）
2。科学的根拠に基づいて、入力変数と出力変数の関係を理解する（デミングが分析問題と呼んだもの）
決定論的であるため、2番目のアプローチは私が好むものです。 これは、入力と出力の間の関係に関する仮説のステートメントから始まります。 推論の理解が必要です（どのような条件でモデルを効果的にしたいのか）。 次に、データを取得するための適切な「サンプリング計画」（指示されたサンプリングまたは実験）。 確かに、履歴データを調べることはできますが、それは仮説を立てるのを助けるためだけであり、その仮説をテストする必要があります。
データセットにコンテキストがありません（Daleが示唆するように）。 列には「意味」はなく、数字の列だけです。 データに時刻や日付が表示されていないのに、なぜこれが時系列であるとデールが考えるのかわかりません。したがって、正しい予測モデルの作成は、上記のオプション1に任されています。 すべての列（224）を含めて、モデルの適合を実行すると、Rsquare Adjが.59、Rsquareが.83になります。 これらの値はあまりにも異なるため、モデルを過剰に指定していることを示唆しています（重要でない用語はモデル内にあります）。 VIF（パラメーター推定値の表）を見ると、多重共線性の尺度である5以上（または10以上）のしきい値を超えるものが多数あります。 そのため、モデルを削減する必要があります。 ただし、コンテキストがないため、これを行う方法はありません。
再：正しい予測モデルを取得する方法 @statman 、 @dale
ご意見ありがとうございます。
まず、あなたが言ったように、それは時系列です。
あなたが言ったように、私は相関をチェックし、変数のリストを40に減らしました、そして、私はいくつかの満足のいく結果を得たと思います。
「Y値」はリアルタイムで測定されなかったため、データ量は思ったほどではありませんが、Parallel Plotなどを適用することで原因を特定できたと思います。
