多項ロジット回帰モデルの最良のモデルこんにちは
最高のAICを持つために、多項ロジスティック回帰モデルの変数を選択するためにどのモデルを使用しますか？最適な変数を選択しますか？
ステップバイステップで回帰を試しましたが、それが機能しないことを理解していません。すべての変数を使用した名目ロジスティック回帰のモデルよりも混同行列が適切ではありません。
ありがとうございました
分析Re：多項ロジット回帰モデルの最良のモデルモデルの目標は、選択が一般化であり、最適ではないことです。 新しい観測値の予測（またはデータの保持）が不十分になるように、トレーニングデータを過剰に適合させることができます。 モデルは、情報として特徴にノイズを含めるようにトレーニングされましたが、新しい観測値には異なる（ランダムな）ノイズがあるため、予測は新しいデータに一般化されません。
その答えはあなたのケースを説明していますか？
Re：多項ロジット回帰モデルの最良のモデル混同行列に集中しすぎないように注意します。これには2つの問題があります。1つは、分類のカットオフ確率に依存するため、この確率を変更すると変更されます。第二に、そして関連して、ほとんどの問題は誤分類エラーのコストにおいて対称的ではないという事実です。したがって、「より良い」混同行列は、分析している問題の性質と選択した確率カットオフの両方に依存します。
