Randal Munroe 出版了我最喜歡的漫畫之一，xkcd。 上週的漫畫進行曲線擬合，可以說是一種搞笑。@Randal Munroe，伙計，你很搞笑。 任何曾經是發現聽說了他的事物解釋器概念肯定會同意。
所以無論如何，我閱讀了漫畫，然後深入研究了數據。 有一個神奇的工具@brady_brady最初發布是為了生成荷馬分佈，可以發現埋在這個巨大的加入（這是其他有用的腳本和插件的集合，必備）。 使用“通過單擊圖像獲取數據點”工具，我從漫畫中提取了準確的數據（數據附在下面），然後開始擬合各種傳統和不太傳統的模型以及一些可能不誠實的模型，而不考慮過度擬合的嚴重程度模型是（即使我可以/應該使用 JMP Pro。）
關於軸刻度的快速說明。 這個對我來說似乎不錯，雖然它是
原圖缺失。 我也可以那樣做，但他們在那裡
本來會有很多點擊，但我今天沒有。
這是一個適合的排名表
Y 的擬合度量按 R 方排序
預測器
|
造物主
|
|
R方
|
拉絲
|
AAE
|
筆記
|
回歸 10 滯後
|
擬合最小二乘法
|
|
0.9808
|
2.9103
|
2.3275
|
不合法，將 X 與一系列 10 個連續滯後數據一起擬合。 當數據中有任何趨勢跡象時效果很好，可能會過度擬合，但只是一點點，加上有 11 個參數，我沒有費心在這里報告調整後的 r 平方。
|
分區BF
|
引導森林
|
|
0.8469
|
7.4494
|
5.4207
|
500 棵樹，其中一些倒在正確的方向
|
分區BT
|
提升樹
|
|
0.6737
|
10.876
|
8.1600
|
50層，使用默認值，未調整
|
分區過擬合
|
劃分
|
|
0.6607
|
11.091
|
8.3713
|
使最小分割尺寸變小並分割到最後
|
回歸^10
|
擬合最小二乘法
|
|
0.5687
|
12.505
|
9.3912
|
10 階多項式，有點搖擺不定
|
回歸^8
|
擬合最小二乘法
|
|
0.5479
|
12.803
|
9.6483
|
8 階多項式，不像 10 階那樣搖擺不定
|
回歸 2 件
|
擬合最小二乘法
|
|
0.4459
|
14.173
|
9.8317
|
使用分區將數據一分為二並擬合兩個回歸模型
|
擬合曲線 4pR
|
擬合曲線物流 4P Rodbard
|
|
0.4277
|
14.404
|
10.496
|
4參數邏輯回歸，Robard模型
|
分區2s
|
劃分
|
|
0.4249
|
14.439
|
10.745
|
只有一個拆分的分區，導致兩個級別，不太可能過度擬合。
|
擬合曲線 5p
|
擬合曲線 Logistic 5P
|
|
0.4104
|
14.620
|
10.826
|
5參數邏輯回歸
|
回歸^4
|
擬合最小二乘法
|
|
0.3932
|
14.832
|
10.402
|
四階多項式
|
回歸^2
|
擬合最小二乘法
|
|
0.3682
|
15.134
|
10.541
|
常規舊二階多項式
|
擬合曲線 3p 增長
|
擬合曲線機械增長
|
|
0.3393
|
15.477
|
11.080
|
奇特的非線性模型
|
回歸
|
擬合最小二乘法
|
|
0.2779
|
16.180
|
12.209
|
直線
|
回歸日誌
|
擬合最小二乘法
|
|
0.2472
|
16.520
|
12.695
|
X 是對數變換的
|
回歸實驗
|
擬合最小二乘法
|
|
0.0691
|
18.371
|
15.429
|
X 取冪（exp 變換）
|
您可能希望找到我嘗試每種不同模型背後的一些基本原理，但歸根結底，這是一個博客而不是學術論文，所以不要浪費太多時間尋找它。 我從 JMP Pro 的模型比較工具中得到了這張表，我所要做的就是找到所有的方法，然後保存預測公式，這個漂亮的平台完成了所有的數學運算。
以防萬一您想玩轉這些數據（說真的，我的意思是玩轉），它應該附在本文下方。
