Correlación Por Rangos De Predicción Basada En La

Question

Hay métodos de predicción (máquina de aprendizaje, de regresión, etc.) que están diseñados para maximizar el rango de correlación (spearman de correlación tau de kendall, etc.) de su predicción con su variable independiente?

Estoy tratando de predecir una variable numérica continua con un conjunto dado de insumos, y estoy más preocupado que el grado de correlación de las predicciones es más alta que la correlación de pearson.

Answer 1

La forma más sencilla es la de transformar su variable dependiente de las respuestas en el rango de espacio y, a continuación, el uso de mínimos cuadrados ordinarios de regresión.

Una más compleja técnica implican la configuración de un problema de optimización donde se maximiza la correlación de spearman entre el vector de predicciones y los datos reales. Más explícitamente, la función objetivo en el optimizador es el rango de correlación de spearman de la función. El optimizador de búsqueda sobre el conjunto de parámetros a algunos especificación del modelo (por ejemplo, si utiliza un factor linear modelo se identifican una serie de betas) que maximizan la correlación de spearman. Por supuesto, hay muchas posibles especificaciones del modelo por lo que este método es un poco abiertas.

Otro enfoque sencillo sería utilizar un ganancias acumuladas y gráfico de elevación para seleccionar entre los que compiten los modelos de regresión.

O puede utilizar una discreta de la variable dependiente para intentar predecir que cuantiles un instrumento es probable que caiga dentro. Un ejemplo sencillo sería el desarrollo de un modelo de regresión logística donde se predicen 1 o 0 (digamos que 1 significa, y 0 significa hacia abajo). A continuación, puede utilizar la probabilidad productos generados cuando la puntuación de datos utilizando su modelo logístico para clasificar el orden de las predicciones (vs utilizando la regresión salidas que pueden ser más sensibles a los valores extremos).