質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.83%

  • 機械学習

    514questions

    機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

  • データマイニング

    18questions

    データマイニングは、購買履歴やクレジットカードの利用履歴、電話の通話履歴など企業にある大量のデータを解析して、その中に隠れたパターンやルールを探し出す技術です。DMと略されることもあります。

残差プロット後のアプローチ

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 79

cloudspider

score 61

重回帰分析の勉強をしているのですが、
それのスコア向上のアプローチの一つとして、残差プロットをしてみました。

結果は以下の画像のようになりました。
残差プロットをしたは良いのですが、その後どうアプローチしたらいいのかがわかりません。

イメージ説明

Kaggleのデータを使っているので、
testデータの教師データはないので、以下のコードのように、
学習済みモデルにtrainXを入れたもの(trainY_pred)と、
trainYを比較しています。

trainY_pred = model.predict(trainX)
plt.scatter(trainY_pred, trainY_pred - trainY, c = 'blue', marker = 'o', label = 'Train Data')

そもそも、残差プロットの結果の評価の方法がわからないのですが、
僕がこの結果を見た感じだと、まぁまぁ良い感じにバラけているけど、右上に大分大きく外れたものがあるので、ココに何かしらのアプローチをかけるのが良いのかなと感じています。

まぁまぁ良い感じにバラけているとはいいましたが、
±100,000もあるのでそうでもないのでしょうか。

お聞きしたいことは、そもそもこの結果は良い感じなのかそうでもないのか、というのと、
この後、この結果からさらにスコアを上げるためにはどういったアプローチが考えられるか
の2点です。

よろしくお願いします。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

0

前提条件が少ないので答えにくいのですが、とりあえず、コメントします。

そもそもこの結果は良い感じなのかそうでもないのか
予測モデルに何を使っているかによりますが、scoreメソッドを使えば、モデルの適合度がわかります。この指標は、0から1の間を取るので1.0に近ければそれなりの精度を見ていいことになります。仮にモデルが結構複雑(説明変数が多いという意味)であれば、AICを使ったほうがいいかもしれません。ただし、pythonにはAICを計算する関数がなかったように記憶しているので、自力で実装する必要があります。

さらにスコアを上げるためにはどういったアプローチが考えられるか
アプローチ方法によりますが、伝統的な統計屋さんであれば、モデルの係数の検定結果から不確かな説明変数を特定して対応策を練るという方法を取るかと思います。また、グラフによると、残差が正規分布を描いているようなので、下振れグループ・そこそこ良いグループ・上振れグループに3分割して、各グループ間の説明変数の差異から結果にあまり影響していないものを特定して対応策を練るという方法もありそうな気がします。他にも説明変数を順番に減らす(あるいは増やす)ことで精度の変化を見ながら最適化を図るというステップワイズ法などもいいかもしれません。
機械学習屋さんであれば、特徴選択・次元削減・パラメータチューニングを全て試すという方法を取るかと思います。pythonには取り得るパラメータの組み合わせを全て試すことができる方法(グリッドサーチ)も実装されているので使ってみるといいかと思います。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 90.83%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る

  • 機械学習

    514questions

    機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

  • データマイニング

    18questions

    データマイニングは、購買履歴やクレジットカードの利用履歴、電話の通話履歴など企業にある大量のデータを解析して、その中に隠れたパターンやルールを探し出す技術です。DMと略されることもあります。