将来の予測のために回帰モデルをトレーニングするときに、個々のサンプルエラーを考慮しますこんにちは-私は大腸菌を予測するために重回帰を行っています。私の独立変数は濁度とストリームフローです。私の従属変数は大腸菌です。濁度、河川流量、大腸菌の188の値に基づいて回帰モデルをトレーニングしています。次に、将来の濁度とストリームフローの値を使用して、予想される大腸菌の値を予測します。
私の質問はこれです。トレーニングデータセット（n = 188）の各大腸菌測定値は、濁度や河川流量とは関係のない測定値の変動により、平均して16％変動する可能性があるという事実をどのように説明しますか。（つまり、188個のサンプルのうち29個について大腸菌の複製を収集し、平均変動は+/- 16％でした。）したがって、回帰モデルのトレーニングに使用される大腸菌は不正確です。回帰結果を使用して大腸菌の将来の価値を予測しようとする場合、これをどのように説明しますか？
前もって感謝します！
分析他のRe：将来の予測のために回帰モデルをトレーニングするときに個々のサンプルエラーを考慮する回帰モデルには、Y（従属変数）の誤差の項が含まれています。 線形回帰は、誤差が通常、平均がゼロで標準偏差が一定（つまり、すべてのYで同じ）で分布していることを前提としています。 誤差は、モデルとデータからの残差によって推定されます。 上記の仮定により、回帰で残差をプールし、二乗平均平方根誤差を推定できます。
エラーを説明するためにこれ以上何もする必要はありません。
したがって、予測された応答には、予測された平均の信頼区間によって表される不確実性があります。 より広い間隔は、個々の観測の場所の不確実性を表します。
将来の予測のための回帰モデルをトレーニングする際の個々のサンプル誤差の考慮ありがとう、マーク。確かにその通りですね。その通りだということを確認させていただきたかったのです。
