gpt4 book ai didi

python - 输入预测/估计给定变量趋势所需的数据

转载 作者:行者123 更新时间:2023-11-30 09:02:34 25 4
gpt4 key购买 nike

这可能更多是一个理论问题,而不是与代码相关的问题。在我目前的工作中,我发现自己正在估计/预测(最后一个更具机会主义色彩)非洲某条河流的水位。

重点是,我正在开发一个简单的多元回归模型,该模型需要超过 15 年的历史水位和降水(来自不同地点)来生成水位估计值。

我不习惯使用机器学习或任何正确的名称。我更习惯于对数据进行建模和生成拟合(目前的数据可以用非对称高斯和sigmoid函数结合低阶多项式完美定义。

所以重点是;一旦我有了多元回归模型,我的同事建议我不要使用拟合数据进行估计,而是使用所有原始数据。由于他们无法向我解释其原因,我尝试使用拟合数据作为原始输入(在我看来,所有拟合模型的中值具有非常低的偏差误差==良好的拟合)。但我不明白的是,为什么我应该只使用原始数据,这些数据很嘈杂、不准确,考虑到不直接相关的因素(回归有偏差?)。这样做有什么好处?

我缺乏该领域的理论知识,这让我对此感到疑惑。我应该始终使用所有原始数据来确定多元回归的变量,还是可以使用拟合值(即获取每个历史年份的不同拟合模型的中值)?

非常感谢!

最佳答案

这是我的 2 美分

我认为你的同事这么说是因为模型最好了解原始数据和实际降雨量之间的相关性。

在现场,您将从原始数据开始,因此能够直接从中进行预测非常有用。在原始数据完成后,您每次想要进行预测时都必须做的工作越多。

但是,如果一个更简单的模型可以用不对称高斯函数和 sigmoid 函数与低阶多项式完美定义,那么我建议这样做。只要你的 (y_pred - t_true) ** 2 非常小

关于python - 输入预测/估计给定变量趋势所需的数据,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/60046724/

25 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com