Математика - - Выбор предикторов - 1 часть + конспект от YandexGPT

Математика - - Выбор предикторов - 1 часть конспект от YandexGPT 00:02 Введение • Видео начинается с приветствия и извинения за опоздание. • Автор объясняет, что занятие будет проходить в формате “без разминки“, так как они пытаются починить оборудование. 01:00 Обсуждение темы урока • Автор объясняет, что они будут изучать правила отбора переменных и модель множественной регрессии. • Он также упоминает, что данные, которые они используют, были сгенерированы, и что они не будут рассматривать нелинейные зависимости. 10:30 Обсуждение значимости предикторов • Автор обсуждает, что предиктор может быть значимым, если он объясняет изменения зависимой величины. • Он также объясняет, что если предиктор не объясняет изменения зависимой величины, то он не должен быть включен в модель. 13:31 Заключение • Автор завершает занятие, говоря о том, что они будут использовать методы поиска предикторов и методы регуляризации для борьбы с мультиколлинеарностью. • Он также упоминает, что они будут использовать Excel для работы с данными. 20:28 Обсуждение корреляции и мультикорреляции • В видео обсуждается, что корреляция между двумя переменными может быть случайной, и поэтому она не может быть использована для предсказания. • Если коэффициент корреляции между двумя переменными равен 0, это означает, что они не связаны друг с другом. 30:51 Визуализация корреляции • В видео демонстрируется, как построить тепловую карту коэффициентов корреляции между переменными. • Это помогает визуализировать связь между переменными и определить, какие из них наиболее тесно связаны. 35:15 Обсуждение мультикорреляции • В видео объясняется, что мультикорреляция возникает, когда несколько предикторов связаны друг с другом. • Это может быть как хорошо, так и плохо, в зависимости от конкретной ситуации. • В видео также обсуждаются различные типы корреляции, включая прямую и обратную пропорциональную зависимость. 40:52 Обсуждение корреляции между признаками • В видео обсуждается связь между признаками X и Y, а также между признаками X и Z. • Отмечается, что связь между X и Y меньше, чем между X и Z, и что X и Z не связаны между собой. 51:12 Визуализация связи между признаками • В видео демонстрируется визуализация связи между X и Y, которая подтверждает сделанные выводы. • Визуализация подтверждает, что связь между X и Y убывающая и прямая пропорциональная. 54:05 Обсуждение генерации данных • В видео обсуждаются способы генерации данных, которые использовались для создания примеров. • Отмечается, что X, Y и Z генерируются случайным образом, но с разными параметрами. • Это позволяет создать связь между X и Y, но не между X и Z. 59:51 Обсуждение влияния шума на результаты • В видео обсуждается влияние шума на результаты факторного анализа. • Указывается, что шум может быть связан с другими переменными, и его влияние на зависимую переменную может быть значительным. 01:02:56 Влияние X на Y • В видео рассматривается вопрос о том, стоит ли включать X в модель, учитывая его влияние на Y. • Указывается, что влияние X на Y может быть незначительным, и что важно исследовать влияние X на остатки модели. 01:13:56 Визуализация связи между переменными • В видео демонстрируется визуализация связи между переменными, включая связь между Y и T. • Указывается, что связь между Y и T может быть обусловлена связью между Y и X, и что T не является кандидатом на включение в модель. 01:18:12 Заключение • В заключение, автор предлагает провести следующую встречу в определенное время и обсудить вопросы, которые могут возникнуть у зрителей. Весь плейлист: