(x1,x2,x3,x4)
Проблема в чем: в тренировочном датасете, такая структура что в измерениях x1 имеет всегда нормальное измерение, а x2, x3,x4 или = 0 (когда их значения по факту не известны) или значения близкие к нулю. Переделать сьем измерений с реальных данных, не представляется возможным, к сожалению.(
Как итог, у параметров x2, x3, x4 достаточно низкие веса и это составляет проблему. Посему вопрос - каким способом лучше исправить веса параметров?
на ум, троечника приходит разве что в процессе обучения увеличивать веса параметров. но кажется это не очень идейка.
Разве линейная регрессия не заключается как раз в подборе весов для каждого входного параметра?
Нормализовать данные пробовал?
Попробуйте сначала нормализовать предикторы, а потом использовать ridge-регрессию, чтобы сгладить повышающийся коэффициент X1, если он будет себя так вести.
Под нормализацией подразумевается , именно нормализовать? У всех параметров одна размерность.. Так же я пробовал вариации со стандартизацией, но по моему они тоже сильно не помололи…
Можно попробовать либо привести к интервалу между 0 и 1, либо к 0 среднему и дисперсии 1. А что именно у вас не получается? Можете показать вывод модели?
Обсуждают сегодня