[其他资源] 还在用线性回归模型吗？不妨尝试一下机器学习模型

[复制链接]

字体大小: 正常放大

张志红

923 主题	6 听众	2378 积分

TA的每日心情

	开心 2024-3-10 10:48

签到天数: 159 天

[LV.7]常住居民III

自我介绍: 数学中国工作人员

电梯直达

1^#

发表于 2024-2-14 13:25 |只看该作者 |倒序浏览

|招呼Ta 关注Ta

[color=rgba(0, 0, 0, 0.9)]传统线性回归模型的优势是操作简单,可通过加入虚拟变量拟合变量间的非线性关系。但是,有些变量如医疗费用的分布具有特殊性，比如存在大量零费用的观测、分布呈左偏和厚尾特征、较强的个体异质性，因此线性回归模型在拟合观测数据时面临明显缺陷 (Jones,2010)。机器学习模型在处理结构化和非结构化数据时,不但强调了变量本身非线性关系,还考虑了变量之间的非线性交互影响。更重要的是,机器学习模型关注预测模型的样本外表现,对政策支持具有重要的实践意义。因此,在我们的应用场景中机器习模型对比传统的线性回归模型理论上有优势。