回归模型的判断方法

浅夏110

在回归模型中，需要判断模型是否很好地拟合实际数据，一般来讲会有以下方法：
; R+ I. k  H; }
$ a% |# b# V. z' x: S0 J. B1 [8 a9 nR平方：表示Y变量中的方差有百分之多少是可以预测的，R平方越高，Y中的方差就预测得越准确，模型的拟合程度也就越高。
0 K' p( U7 \! f
举个例子，R平方=10%，表示Y中有10%的方差是可以通过X预测出来的。
( ?# @/ F3 C, T. j  H% R
2 B% c* s! X+ g" v  M6 M# m! |F检验(F - test)：主要用以判断两个总体(Population)的平均值是否存在显著差异(Significantly different)，因此我们可以判断预测值跟实际值两组“总体”数据的平均值是否存在显著差异，如果存在，则可以认为回归模型拟合得不够好。如果F - value大于F值的统计量，我们认为拒绝原假设(两组数据不相关)，则x和y(预测值和实际值)是线性(或者非线性)相关的，反正就是两组数有关。

T检验(T - test)：T检验相对F检验来说，更关注回归方程中每个变量的显著程度，可以说F检验是评价模型整体的拟合程度，而T检验是评价回归方程中每个特征x变量的系数的显著程度。在这里，系数是跟0比较的，如果T - value大于T值的统计量，我们认为该特征的系数显著大于0，因此不可以忽略，需要考虑该特征，回归方程中也要保留该特征，如果小于T值统计量，则接收原假设，认为该特征系数跟0没有显著区别，我们可以忽略该特征。

. M9 I7 g$ J2 D, p% N AIC(Akaike Information Criterion)：AIC是一种信息准则，它提供的是一个参考标准，也就是说，仅仅通过一个AIC值我们并不能得出回归模型的拟合程度，它更多的是通过多个AIC值对比不同回归模型。AIC的公式如下：

其中L是似然函数，K是参数数量，而如果总体数据(Population)的误差服从独立正态分布的时候，AIC公式变成：
5 w3 {* |- T  ~& {- F
' e2 ]1 L2 Q4 o6 r' A$ E其中N是数据的数量(观察数)，K是参数数量，SSE(Sum of Squared Error)是误差的平方和。

6 H1 L% H2 v. X5 r$ Z( OAIC综合考虑了模型的拟合程度以及复杂程度，参考上述正态的公式，当SSE越大的时候，也就是拟合越不好，AIC值也会随着增大；同理，如果参数数量增多，也就是模型复杂度越大，AIC也会增大。单个AIC值参考的意义不大，但如果有两个或者多个AIC值在一起的时候，我们比较两者的AIC值，越小越好。因为考虑了模型复杂度，因此AIC减少了过拟合的可能性。

7 ^% E* B. ~9 l: @1 N1 `. FBIC(Bayesian Information Criterion)：BIC跟AIC类似，同样提供拟合模型的信息准则，相对AIC，其对模型复杂度的惩罚更大，它的公式如下：

; {* a' V- X& `# y% ^0 ^其中L是似然函数，K是参数数量，当误差服从正态分布时候，BIC公式变成：
9 ?( o/ @$ n! f" p! _
可以看出，当训练样本较小的时候，而模型过于复杂的时候(参数K过多)，惩罚较大，BIC会增大，可以避免维度过多的情况。
1 H8 i  S# e2 m* U