![c42bd784514db49dbfb357931bf69aca.png](https://img-blog.csdnimg.cn/img_convert/c42bd784514db49dbfb357931bf69aca.png)
多元回归是六西格玛管理中我们常用的一统计工具,它可以帮助考察多个x对y的影响,并建立可以用于预测的回归方程。这一块的内容我们在之前的文章中做了详细介绍,但是我们今天将基于Minitab 19向大家介绍机器学习下的多元回归。
Minitab中已经引入很多机器学习的算法,在Minitab 19中我们还加入了CART分类树与CART回归树算法,当然我们今天的重点是多元回归。
![0d2d6341a52eb6630da191f01c6a99e6.png](https://img-blog.csdnimg.cn/img_convert/0d2d6341a52eb6630da191f01c6a99e6.png)
什么是好的模型?
我们在建模的时候最不愿意看到两种情况:过度拟合和欠拟合。
使用与拟合模型相同的数据来评估模型,经常会导致过度拟合,如下图。
![c62aeefb155e50fdedf363d2f5d6abb4.png](https://img-blog.csdnimg.cn/img_convert/c62aeefb155e50fdedf363d2f5d6abb4.png)
而这种过度拟合的模型如果用来预测的话,效果往往不好。
![327dda6c647ba19cda58ba7fe0ee2f13.png](https://img-blog.csdnimg.cn/img_convert/327dda6c647ba19cda58ba7fe0ee2f13.png)
那么什么才算一个好的模型呢?一个好的模型需要在高方差(过度拟合)和高偏差(欠拟合)之间找到一种权衡。