Est-ce que je lis un article de blog sur les statistiques ou un guide de nutrition et / ou d'auto-assistance? Si vous êtes un peu déçu par le titre de ce blog, vous êtes probablement nouveau dans cette série de blogs. Cet article fait partie d'une série de cinq parties dans laquelle j'aborde des questions que j'ai beaucoup reçues des scientifiques et des ingénieurs au fil des ans: Quels modèles de sortie dois-je examiner? Que signifient-ils? Que dois-je faire avec eux?
Dans le but de simplifier et de fournir des conseils clairs (ne pas vous donner faim ou vous culpabiliser pour avoir mangé des aliments transformés), j'ai conçu un cadre qui est illustré à la figure 1. Ce «menu» vous permet de vous concentrer sur les principaux résultats en fonction de votre situation (vos données et votre disposition).
Figure 1: Résultats clés dans les moindres carrés standard. Choisissez votre repas en fonction de votre appétit!
Dans cet article, je vais me concentrer sur les résultats que vous pouvez consulter en plus à la Sorties Veggie Plate si vous avez besoin de premiers soins pour des problèmes de santé de modèle, ou si vous êtes un nerd des données et que vous voulez le nerd (vous êtes en bonne compagnie, alors gardez la tête haute!). Tout d'abord, passons en revue les résultats que vous pouvez utiliser pour répondre à la question "Mon modèle est-il sain?" Ensuite, examinons les extrants qui vous aideront à interpréter les résultats pour améliorer votre compréhension du processus et à les communiquer à vos collègues. Pour chacun des résultats, j'essaierai d'être clair et concis sur: 1) ce qu'est le résultat, 2) ce que vous devriez rechercher et 3) ce que vous pouvez faire avec les informations.
Si vous souhaitez suivre ("test de goût") avec l'exemple d'ensemble de données que j'utilise dans les captures d'écran, consultez le premier article de blog .
Mon modèle est-il sain?
Manque d'ajustement
* Manque d'ajustement
Transformation Box-Cox
Transformer les données pour faire de meilleures prévisions
Comment interpréter les résultats?
Importance variable
Évaluer l'importance des variables
Tests d'effet
Sommaire
Dans cet article, nous avons discuté de deux résultats pour vous aider à évaluer et à remédier, si nécessaire, aux problèmes de santé du modèle: le manque d'ajustement et la transformation Box-Cox. Nous avons également discuté de deux résultats pour vous aider à mieux comprendre le processus et, finalement, décider comment améliorer le processus et communiquer vos actions aux parties prenantes: les tests d'importance variable et d'effet.
Si vous travaillez avec un ensemble de données historiques qui peut avoir beaucoup de prédicteurs corrélés, je vous encourage à passer à la partie 4 de cette série la semaine prochaine, où je discuterai des VIF et de la manière dont ils peuvent vous aider à évaluer la santé du modèle. Je vais également parcourir les diagrammes d'interaction, ce qui peut être un moyen utile de visualiser comment les facteurs s'influencent mutuellement.
Comme mentionné dans les articles précédents, rien ne remplace la connaissance fondamentale selon laquelle le Cours de réflexion statistique pour la résolution de problèmes industriels pouvoir vous donner. Envisagez de compléter le module Corrélation et régression, en particulier. Gagnez un badge à la fin que vous pouvez publier sur LinkedIn, ajouter à votre CV et examen annuel. Faites de 2021 l'année de la croissance personnelle et professionnelle!
