ISL第三章习题

1.描表3-4中的p值所对应的零假设。说明基于这些p值可得出什么结论。请用sales，TV，radio和newspaper等变量描述结论，而不仅仅给出线性模型的系数。

---

---

（1）原表如下：主要看p值

---

---

（2）零假设概念：

---

答： 零假设 是指TV，radio和newspaper三种形式的广告对销量 没有关联 。

---

---

答：
TV和radio的 P值小（p<0.0001） ，拒绝原假设，所以TV和radio对销量 有关联 。

newspaper的 P值大(p=0.8599） ，接受原假设，newspaper对TV的销量 没有关联 。

---

（3）y真实值与yhat预测值相减得出残差：

---

---

（4）结论：

零假设 是指TV，radio和newspaper三种形式的广告对销量 没有关联。

TV和radio的 P值小（p<0.0001） ，拒绝原假设，所以TV和radio对销量 有关联。

newspaper的 P值大(p=0.8599，接受原假设，newspaper对TV的销量 没有关联。

（3）K值得选择：

对于k值的选择，没有一个固定的经验，一般根据样本的分布，选择一个较小的值，可以通过<font color=red size=>交叉验证选择一个合适的k值。

• 选择 较小 的k值，就相当于用较小的领域中的训练实例进行预测，训练误差会减小，只有与输入实例较近或相似的训练实例才会对预测结果起作用，与此同时带来的问题是泛化误差会增大，换句话说，K值的减小就意味着整体模型变得 复杂，容易发生 过拟合
• 选择 较大 的k值，就相当于用较大领域中的训练实例进行预测，其优点是可以减少泛化误差，但缺点是训练误差会增大。这时候，与输入实例较远（不相似的）训练实例也会对预测器作用，使预测发生错误，且K值的增大就意味着整体的模型变得 简单 ，可能 欠拟合。
• 一个 极端 是k等于样本数m，则完全没有分类，此时无论输入实例是什么，都只是简单的预测它属于在训练实例中 最多 的类，模型过于简单。

---

---

（4）结论：

对于<font color=red size=>分类问题:输入和输出是数据的类别。对于新来的数据点，根据其k个最近邻的训练数据的类别，<font color=red size=>通过多数表决等方式进行预测。

对于<font color=red size=>回归问题:输入和输出是数据的值。对于新来的数据点，<font color=red size=>***取其k个最近邻的训练数据的平均值为预测值。***

参考资料：
R统计学习导论