Предположим, вы подходите к линейной / логистической регрессии с целью объективной оценки . Вы очень уверены, что и очень положительны по отношению к шуму в своих оценках.
Если у вас есть общая ковариация , вы можете рассчитать или, по крайней мере, смоделировать ответ. Существуют ли более эффективные способы и в реальных задачах с большим количеством данных, сколько трудностей вы получаете, принимая соотношение оценок или делая полшага и полагая, что коэффициенты независимы?
Ответы:
Я предложил бы делать распространение ошибки от типа переменной и свести к минимуму либо ошибку или относительную погрешность 1 . Например, изСтратегии оценки отклоненийилиВикипедииa1a2
Мораль этой истории заключается в том, что если кто-то не попросит данные, чтобы дать желаемый ответ, он не получит этот ответ. И регрессия, которая не определяет желаемый ответ в качестве цели минимизации, не будет отвечать на вопрос.
источник