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