PRESS 통계량
PRESS statistic통계에서 예측 잔차 오차 제곱합(PRESS)은 모형 추정에 사용되지 않은 관측치 표본에 대한 모형 적합의 요약 측도를 제공하기 위해 회귀 분석에 사용되는 교차 검증의 한 형태다.이 값은 이러한 관측치에 대한 예측 잔차의 제곱합으로 계산된다.[1][2][3]
적합 모형이 생성되면 각 관측치가 차례로 제거되고 나머지 관측치를 사용하여 모형을 다시 장착한다.표본이 아닌 예측 값은 각 사례에서 생략된 관측치에 대해 계산되며, PRESS 통계량은 결과 예측 오차의 제곱합으로 계산된다.[4]
이 절차를 고려할 때, PRESS 통계량은 동일한 데이터 집합에 대한 다수의 후보 모델 구조에 대해 계산할 수 있으며, PRESS의 최저 값은 최상의 구조를 나타낸다.과모수(과잉 적합) 모형은 모형 적합에 포함된 관측치에 대해서는 작은 잔차를 주지만 제외된 관측치에 대해서는 큰 잔차를 주는 경향이 있다.PRESS 통계량은 평가와 인접 지역 규모의 선택을 가속화하기 위해 게으른 학습과 지역 선형 학습에서 광범위하게 사용되어 왔다.[5][6]
참고 항목
참조
- ^ "Statsoft Electronic Statistics Textbook - Statistics Glossary". Retrieved May 2016.
{{cite web}}:날짜 값 확인:accessdate=(도움말) - ^ 앨런, D. M. (1974), "변수 선택과 데이터 확대와 예측 방법의 관계," 기술측정학, 16, 125–127
- ^ Tarpey, Thaddeus(2000) "제한된 최소 제곱에 대한 제곱 통계량 예측에 관한 참고서", 미국 통계학자, 제54권, 제2호, 5월, 페이지 116–118
- ^ "R Graphical Manual:Allen's PRESS (Prediction Sum-Of-Squares) statistic, aka P-square". Retrieved February 2018.
{{cite web}}:날짜 값 확인:accessdate=(도움말) - ^ Atkeson, Christopher G.; Moore, Andrew W.; Schaal, Stefan (1 February 1997). "Locally Weighted Learning". Artificial Intelligence Review. 11 (1): 11–73. doi:10.1023/A:1006559212014. ISSN 1573-7462. S2CID 9219592.
- ^ Bontempi, Gianluca; Birattari, Mauro; Bersini, Hugues (1 January 1999). "Lazy learning for local modelling and control design". International Journal of Control. 72 (7–8): 643–658. doi:10.1080/002071799220830.
