Înțelegerea scrubbinessului în modelele de regresie liniară

Scrubbiness este o măsură a cât de bine un model este capabil să elimine zgomotul din date. Este definit ca raportul dintre varianța reziduurilor (diferența dintre valorile prezise și valorile reale) și varianța datelor originale. O valoare mai mare a frecvenței indică faptul că modelul este mai bun la eliminarea zgomotului, în timp ce o valoare mai mică a curățării indică faptul că modelul este mai zgomotos.

În cazul dvs., utilizați un model de regresie liniară pentru a prezice prețul unei case pe baza caracteristicilor sale. Curățarea modelului poate fi calculată după cum urmează:

Scrubbiness = (Varianța reziduurilor) / (Varianța datelor originale)

unde varianța reziduurilor este media diferențelor pătrate dintre prețurile prezise și prețurile reale și varianța a datelor originale este media diferențelor pătrate dintre fiecare caracteristică și valoarea medie a acesteia.

De exemplu, dacă varianța reziduurilor este 100 și varianța datelor inițiale este 1000, atunci epurarea modelului ar fi:

Scrubbiness = (100) / (1000) = 0,1

Aceasta înseamnă că modelul este capabil să elimine doar 10% din zgomot din date și că există încă mult zgomot în predicții.

Este important de remarcat că zgomotul nu este o măsură a acurateței modelului, ci mai degrabă o măsură a cât de bine modelul este capabil să elimine zgomotul din date. Un model cu precizie ridicată poate avea totuși o frecvență scăzută dacă este foarte sensibil la zgomotul din date.