prise en compte de l'erreur d'échantillon individuel lors de l'apprentissage d'un modèle de régression pour les prédictions futuresSalut - Je fais une régression linéaire multiple pour prédire les ecoli.Mes variables indépendantes sont la turbidité et le débit.Ma variable dépendante est ecoli.J'entraîne le modèle de régression basé sur 188 valeurs de turbidité, d'écoulement et d'ecoli.J'utiliserai ensuite les futures valeurs de turbidité et de débit pour prédire la valeur d'ecoli attendue.
Ma question est la suivante.Comment puis-je expliquer le fait que chacune des mesures d'ecoli dans mon ensemble de données d'entraînement (n=188) peut varier, en moyenne, de 16% en raison de variations de mesure qui ne sont pas liées à la turbidité et au débit.(C'est-à-dire que j'ai collecté des doublons d'ecoli pour 29 des 188 échantillons et la variabilité moyenne était de +/- 16%.)Donc... l'ecoli utilisé pour entraîner le modèle de régression est imprécis.Comment puis-je en tenir compte lorsque j'essaie d'utiliser mes résultats de régression pour prédire une valeur future d'ecoli ?
Merci d'avance!
AnalytiqueAutreRe : tenir compte de l'erreur d'échantillon individuel lors de la formation d'un modèle de régression pour les prédictions futuresLe modèle de régression inclut un terme pour les erreurs en Y (variable dépendante). La régression linéaire suppose que les erreurs sont normalement distribuées avec une moyenne de zéro et un écart type constant (c'est-à-dire le même pour tous les Y). Les erreurs sont estimées par les résidus du modèle et des données. L'hypothèse ci-dessus permet à la régression de regrouper les résidus et d'estimer l'erreur quadratique moyenne.
Vous n'avez rien de plus à faire pour expliquer l'erreur.
La réponse prédite aura donc une incertitude qui est représentée par un intervalle de confiance de la moyenne prédite. Un intervalle plus large représente l'incertitude de l'emplacement des observations individuelles.
