Residual Plot
y 축은 residual 이고, x 축 인 그래프
예시
아래 그림에서 residual plot 은 U- 모양을 그리고 있다. 이는 데이터가 non-linearity 를 보인다는 증거가 된다.
1 min read
y 축은 residual ei=yi−y^i 이고, x 축 y^i 인 그래프
아래 그림에서 residual plot 은 U- 모양을 그리고 있다. 이는 데이터가 non-linearity 를 보인다는 증거가 된다.
이 현상에서는 주로 residual plot 에서 꼬깔콘 (funnel) 모양이 나오는 것으로 확인할 수 있다.
...onfidence interval, hypothesis test 해석이 흔들릴 수 있다. 즉, “계수는 그럴듯해 보이는데 불확실성 추정이 틀리는” 문제가 생긴다. C) 어떻게 확인하나 residual plot 에서 fitted value 가 커질수록 residual 분산이 커지거나 작아지는 fan shape 이 보이면 의심할 수 있다. D) 대응 log transform, weighted ...
residual plot: 데이터의 non-linearity 를 확인하기 위해 사용 RSS: 실제 정답과 얼마나 다른지 확인하기 위해 사용
B.3) Using Residual Plot
Outlier outlier is a point for which y i is far from the value predicted by the model.
Residual 관측된 값과 추정된 값의 차이를 의미한다. 여기서 추정된 값은 표본집단과 같은 곳에서 구해지는 estimated value 를 의미한다. B) Vs. Error error 는 실제 값과 관측된 값의 차이를 의미한다.
Residual Sum of Squares estimation 과 실제 값의 차이의 제곱에 대한 합을 나타낸다.
Heteroscedasticity Heteroscedasticity 는 regression 에서 error variance 가 입력 구간마다 일정하지 않은 상태를 말한다.
Parameter 관측 불가능한 variables 의 집합 (반대: data) B) In Statistic 모집단에서 계산될 수 있는 통계치를 parameter 라 부르며, 표본집단에서 계산될 수 있는 통계치를 statistic 이라 부른다.
Variance variance 는 평균에서 얼마나 벗어난 것인지의 정도를 측정한 값이다. 랜덤 변수 X 에 대한 Variance 는 expectation 을 활용하면 다음과 같이 두가지 방식으로 표현될 수 있다.
Collinearity predictor variable 들이 완벽하거나 거의 완벽에 가까운 상관성을 갖는다고 할 때, regression 은 다중공선성 문제를 가지고 있다고 말할 수 있다. 회귀 분석에서는 다중공선성 문제가 사라질 때까지 변수를 제거해야 한다.
Standard Error 표준 오차란, 표본 집단에서 계산할 수 있는 통계 (e.g. 평균) 를 여러번 계산했을 때, 모집단에서 계산할 수 있는 통계와의 편차의 정도를 의미한다. 정의에서 보아도 알 수 있듯이 당연하게도 모평균의 표준오차라는 말은 존재하지 않는다.
Linear Regression Linear Regression 는 다음과 같은 형태의 모델을 의미한다 p(y\mid\boldsymbol{x},\boldsymbol{\theta})=\mathcal{N}\left(y\mid w...
Studentized Residuals residual e i 를 추정된 standard error 으로 나눈 값 - Related References.