Desarrollo y evaluación de modelos
阿尔·德沙罗（Al-desarrollar）是一个非常重要的校准模型，它是一个重要的校准选择，一个校准模型（没有校准模型）和一个剩余价值诊断模型的评估者。
这是一个在价值观和价值观之间的中间地带，是一个在价值观和价值观之间的实现。这是一个非常简单的过程，它是一个模型和一个模型。Por EJEMPPLO，PARA Ajjun-UntoMo支持向量机，Erja unjunto de Cajas y Selasas de内核，Realice OnAdvalaCI n CurZADA de UnDeMo PARA CARDA PAR de ValOES Y，DePaye，比较LAS估计值Del-Errices CuADR A.C.T.C.TIOCOS MealOS Con Valac I CurZaDa de 10迭代码。
确定统计和机器学习工具箱中的无参数回归函数™ 在巴耶西亚优化城市中的城市自治中心，巴耶西亚自治区是巴耶西亚自治区的一部分。罪恶禁运，贝耶斯波特例如，在bayesiana的主要实施者中，灵活的辅助工具发挥着重要作用。Para obtener más información领事馆贝叶斯优化工作流.
联合国公共交通、公用事业模式的自动选择菲特罗托. 这项职能是在不同的价值观下重新设计模型，并在最终模型中确定先前的职能。效用菲特罗托因此，没有任何一种模式可以用于适应不同的数据。
互动形式再评价模型，实用性应用回归学习者.
应用程序
| 回归学习者 | 使用监督机器学习训练回归模型预测数据 |
职能
目标
特马斯
应用程序回归学习者的Flujo de trabajo de la
培训、比较和改进回归模型的工作流程，包括自动、手动和并行培训。
在回归学习器中，自动训练模型选择，或比较和调整线性回归模型、回归树、支持向量机、高斯过程回归模型、回归树集合和回归神经网络的选项。万博1manbetx
使用绘图识别有用的预测值，手动选择要包含的特征，并在回归学习器中使用PCA变换特征。
比较模型统计数据并可视化结果。
卡拉克特博物馆
了解特征选择算法并探索可用于特征选择的功能。
本主题介绍顺序特征选择，并提供一个使用自定义条件和顺序作用
邻域成分分析（NCA）是一种非参数特征选择方法，其目标是最大限度地提高回归和分类算法的预测精度。
使用NCA中的自定义稳健损失函数执行对异常值稳健的特征选择。
使用交互测试算法为随机林选择分割预测因子。
模型解释
使用以下公式解释模型预测：石灰,夏普利和局部依赖.
使用两种算法计算机器学习模型的Shapley值：kernelSHAP和对kernelSHAP的扩展。
线性模型的诊断
显示和解释线性回归输出统计信息。
拟合线性回归模型并检查结果。
构建并分析具有交互效应的线性回归模型，并解释结果。
使用模型特性和对象函数评估拟合模型。
在线性回归中F-统计学是方差分析（ANOVA）方法的检验统计量，用于检验模型或模型中各成分的显著性。这个T-统计对于推断回归系数很有用。
确定系数（R平方）表示响应变量的比例变化量Y由自变量解释X在线性回归模型中。
估计系数方差和协方差捕获回归系数估计的精度。
残差对于探测边远地区很有用Y值，并检查回归模型中有关误差项的线性回归假设。
Durbin-Watson检验评估时间序列数据的残差之间是否存在自相关。
Cook距离对于识别数据中的异常值非常有用X值（预测变量的观察值）。
hat矩阵提供了杠杆的度量。
删除-1协方差的变化(共价比)确定对回归拟合有影响的观察结果。
您还可以从以下列表中选择网站：
