Berücksichtigen des individuellen Stichprobenfehlers beim Trainieren eines Regressionsmodells für zukünftige VorhersagenHi - Ich mache eine multiple lineare Regression, um Ecoli vorherzusagen.Meine unabhängigen Variablen sind Trübung und Strömung.Meine abhängige Variable ist ecoli.Ich trainiere das Regressionsmodell basierend auf 188 Werten von Trübung, Strömung und Ökoli.Ich werde dann zukünftige Trübungs- und Abflusswerte verwenden, um den erwarteten Ökoli-Wert vorherzusagen.
Meine Frage ist diese.Wie berücksichtige ich die Tatsache, dass jede der Ecoli-Messungen in meinem Trainingsdatensatz (n=188) aufgrund von Messabweichungen, die nicht mit Trübung und Abfluss zusammenhängen, im Durchschnitt 16% variieren kann.(Das heißt, ich sammelte Ecoli-Duplikate für 29 der 188 Proben und die durchschnittliche Variabilität betrug +/- 16%.)Das zum Trainieren des Regressionsmodells verwendete Ecoli ist also ungenau.Wie berücksichtige ich dies, wenn ich versuche, meine Regressionsergebnisse zu verwenden, um einen zukünftigen Wert von ecoli vorherzusagen?
Danke im Voraus!
AnalytikSonstigesBetreff: Berücksichtigen des individuellen Stichprobenfehlers beim Trainieren eines Regressionsmodells für zukünftige VorhersagenDas Regressionsmodell enthält einen Term für die Fehler in Y (abhängige Variable). Bei der linearen Regression wird davon ausgegangen, dass die Fehler normalverteilt sind mit einem Mittelwert von Null und einer konstanten Standardabweichung (dh für alle Y gleich). Die Fehler werden durch die Residuen aus dem Modell und den Daten geschätzt. Die obige Annahme ermöglicht die Regression, um die Residuen zu bündeln und den quadratischen Mittelwert des Fehlers zu schätzen.
Sie müssen nichts weiter tun, um den Fehler zu erklären.
Die vorhergesagte Reaktion weist daher eine Unsicherheit auf, die durch ein Konfidenzintervall des vorhergesagten Mittelwerts dargestellt wird. Ein breiteres Intervall repräsentiert die Unsicherheit bei der Lokalisierung einzelner Beobachtungen.
Betreff: Berücksichtigung individueller Stichprobenfehler beim Trainieren eines Regressionsmodells für zukünftige VorhersagenDanke, Mark. Das macht Sinn, ja. Ich wollte bestätigen, dass das der Fall ist.
