कई-स्तरीय कारक वाले मॉडल को फिट करने के लिए आर को एक लंबा समय क्यों लगता है?

Question

मैं एक मॉडल को कई स्तरों के साथ फिट करता हूं और उस मॉडल को फिट करने के लिए आर को वास्तव में लंबा समय लगता है। ऐसा क्यों है?

उदाहरण के लिए, यदि मैं खिलाड़ियों के वेतन की भविष्यवाणी करने के लिए एक प्रतिगमन फिट बैठता हूं, और सभी खिलाड़ियों के संबंधित राष्ट्रीयताओं के लिए एक कारक पूर्वसूचक शामिल करता हूं, तो खिलाड़ियों के वेतन के लिए एक निरंतर भविष्यवक्ता के साथ एक मॉडल फिट करने की तुलना में अधिक समय लगेगा, जैसे खिलाड़ी ' ऊंचाइयों।

Comments

यह महसूस करने में मददगार हो सकता है कि जब कारक एक चर की तरह दिखता है (यह डेटा फ्रेम में एक कॉलम है, मॉडल विनिर्देश में एक आइटम, आदि), पर्दे के पीछे यह वास्तव में अलग-अलग भविष्यवाणियों के एक समूह के रूप में माना जाएगा। मॉडल इसलिए एकल (निरंतर) पूर्वसूचक के साथ एक मॉडल की तुलना में बहुत अधिक जटिल है।

— गाला

Answer 1

आर विशिष्ट है - अधिकांश आँकड़ों के पैकेज की तरह, यह प्रतिगमन के लिए क्यूआर अपघटन का उपयोग करता है।

नियत , जहाँ , बस अपघटन की गणना करना स्वयं में प्रभावी रूप से द्विघात है - भविष्यवाणियों की संख्या दोगुनी करने से गणना समय लगभग 4 से गुणा हो जाएगा।$n$$p<<n$$p$

इसलिए यदि आप (रैखिक प्रतिगमन) से कहते हैं , तो आप यह अपेक्षा करेंगे कि यह 600 गुना लंबे क्षेत्र में हो (वास्तविक रूप में शायद कुछ कम हो, कई कारणों से)।$p=2$$p=50$

इसलिए बहुत सारे भविष्यवक्ताओं को जोड़ने का अर्थ होगा कि अब और अधिक प्रतीक्षा करना।

Answer 2

ऐसा इसलिए है क्योंकि स्तरों वाले एक कारक के साथ , R संकेतक चर बनाता है । तो, मान लीजिए कि राष्ट्रीयताएं हैं, आप रेखीयों के साथ एक बहु प्रतिगमन मॉडल को फिट कर रहे हैं , इसकी तुलना एक साधारण रेखीय प्रतिगमन से की जाती है यदि आप इसे निरंतर मानते हैं (जो आपको नहीं करना चाहिए)। शायद आप एक नया कारक बना सकते हैं जो कि महाद्वीप या कुछ अन्य राष्ट्रीय समूहों का समूह है, ताकि चीजों को गति प्रदान की जा सके और एक अधिक आदर्शवादी मॉडल प्राप्त किया जा सके।k - १ k = ५० $k$$k-1$$k=50$$49$