机器算法验证 - 预测模型和标准化变量 - 吾爱随笔录

机器算法验证分布预测模型描述性统计标准化

2022-03-26 03:00:41

在预测模型中，我将变量标准化为预测变量。假设我必须在未来的某个时候根据新数据对模型进行重新评分：我是像构建模型时一样使用均值/标准来对新数据进行居中和缩放，还是像它们一样使用均值/标准与我正在评分的数据。

我的看法是使用我正在评分的数据的平均值/标准，因为我希望标准化变量能够反映评分时的分布。

原始手段/标准与当前手段/标准的优缺点？

谢谢。

2个回答

这是在回归之前标准化变量的主要问题之一。输出的全部含义取决于样本。我更喜欢使用非标准化变量，这样就不会出现这个问题（和类似问题）。

如果要拟合模型其中并使用该模型来预测对于某些给定的值，然后使用原始的和来标准化用于预测 $y= \beta_1 + \beta_2z$ $z=\frac{x-\bar{x}}{sd(x)}$ $y$ $x$ $\bar{x}$ $sd(x)$ $x$

但是，如果一个人有许多和的新值并且想要重新拟合模型，则基于和。 $y$ $x$ $x$ $\bar{x}$ $sd(x)$

其它你可能感兴趣的问题