RS
Привет, если у меня есть нелинейная зависимость, как мне оценить темноту связи? Коэффициент детерминации?
Size: a a a
2020 November 25
I
Привет, если у меня есть нелинейная зависимость, как мне оценить темноту связи? Коэффициент детерминации?
Spearman'а корреляция - она как бы не предполагает наличие линейной зависимости, но предполагает, что существует какая то другая монотонная связь, убывающая или возрастающая
RS
Насколько я знаю, она просто не смотрит на выбросы, нет?
I
Насколько я знаю, она просто не смотрит на выбросы, нет?
насчет выбросов сейчас не готов ответить, но насчет нелинейной зависимости вроде как точно
DP
Насколько я знаю, она просто не смотрит на выбросы, нет?
Спирмен это просто корреляция пирсона на рангах. Ранги более устойчивы к выбросам
RS
но у меня полином n-ой степени
RS
и как то нужно оценить тесноту
SM
Всем салют
I
ну если он монотонен то подойдет
SM
Кто нибудь проходил курс Big Data Essentials: HDFS, MapReduce and Spark RDD ?
SM
от яндекса
K
Спирмен это просто корреляция пирсона на рангах. Ранги более устойчивы к выбросам
+
RS
Ibp
ну если он монотонен то подойдет
у меня что-то вроде параболы(
I
K
Построй нелинейную модель зависимости одной фичи от другой и посмотри на r-квадрат
RS
Да, я так и сделал, спасибо
I
Да, я так и сделал, спасибо
можно еще функцию задать явно через коэффициенты. подобрать их через np.curve_fit и тоже посчитать рквадрат
И
df[‘log_km’] = np.log(df[‘km’])
После этого строите регрессию price на переменную log_km (то есть заново оцениваете неизвестные коэффициенты.
ля, так я вроде так и сделал, но mse хуже стал
И
хммм, понимаю, что оэто практически это и тоже, но в Python есть структуры, как в Си например или там сразу классы ?