J'utilise la plateforme de régression généralisée et j'essaie de trouver le meilleur modèle pour mes données. Lorsque je compare les différents modèles de la plateforme de régression généralisée, j'obtiens
Les valeurs Rsquare généralisées sont toutes autour de 0,94 pour l'ensemble d'apprentissage et 0,95 pour l'ensemble de validation.
Ensuite, j'ai utilisé Formula Depot -> Model Comparison pour obtenir plus d'informations sur les modèles. Je reçois cette table
Les valeurs Rsquare pour l'ensemble d'apprentissage sont comprises entre 0,53-0,62 et pour l'ensemble de validation 0,8-0,9.
J'ai deux questions:
- Est-il normal que les valeurs Rsquare soient tellement inférieures aux valeurs Rsquare généralisées?
- Est-ce révélateur d'un problème que le Rsquare pour l'ensemble de validation est plus élevé que pour l'ensemble d'apprentissage (j'ai essayé 3 divisions différentes des données entre la validation et l'ensemble d'apprentissage.) Si le Rsquare pour l'ensemble d'apprentissage était plus grand que pour l'ensemble de validation, ce serait une indication de sur-ajustement. Mais ici, c'est l'inverse.
Il s'avère que le problème était lié aux points inclus dans les ensembles de formation et de validation. Il y avait des points aberrants qui ont eu une grande influence sur le Rsquare. Donc, selon l'endroit où ils se sont retrouvés, les valeurs ont beaucoup changé.
Les exclure de l'évaluation a amélioré la situation.
