Desde el gráfico residual que ha mostrado, su modelo no se ve muy bien.
En cada punto a lo largo del eje ‘ajustado’, sus residuos deben distribuirse uniformemente por encima y por debajo de la línea, con una distribución simétrica que no se ensancha ni se estrecha a medida que avanza.
Parece que sus datos son extremadamente asimétricos, por lo que quizás debería considerar una transformación o un modelo de respuesta diferente antes de comenzar el análisis de regresión. Parece que está usando R, considere el paquete GAMLSS para ajustar los datos con distribuciones arbitrarias no normales.
- ¿Cuál es la utilidad de la normalización por lotes en una red neuronal convolucional muy profunda?
- ¿Cuáles son algunas de las limitaciones o inconvenientes de las redes neuronales convolucionales?
- ¿Cuáles son algunos buenos documentos con ejemplos del mundo real del aprendizaje de refuerzo inverso (IRL)?
- ¿En qué situaciones, ha encontrado que el aprendizaje profundo no funciona bien?
- ¿Cuál es la relación entre el aprendizaje automático y la minería de datos?
Alternativamente, podría (i) estratificar su análisis en función de la variable de dos niveles que es responsable de la división principal en los valores ajustados o (ii) incluir términos de interacción entre esa variable y los predictores restantes. Puede ser que vea cambios sustanciales en el tamaño y la dirección de los coeficientes.
Un análisis descriptivo de sus datos probablemente le ayudaría mucho a decidir qué tipo de modelo debe ajustar.
