modeludvælgelse

Modeludvælgelse er processen hvor man vælger blandt konkurrerende statistiske modeller baseret på data og målsætningen for analysen. Hovedformålet er at balancere tilpasning til data og modellens kompleksitet for at opnå god generalisering og, når muligt, bevare fortolkelighed.

Tilgangen til modeludvælgelse kan deles i informationbaserede og skinnende baserede metoder. Information kriterier som AIC og BIC vurderer modellens tilpasning samtidigt med dens kompleksitet. AIC betegnes som -2 log-sandsynlighed plus 2k, hvor k er antallet af parametre; BIC inkluderer også log(n) gange k. Modellevaluering kan også baseres på kryds-validation, hvor data opdeles i trænings- og testsæt for at estimere modellens forudsigelsesfejl på usete data; ofte anvendes K-fold eller leave-one-out varianter.

Bayesiansk modeludvælgelse bruger sandsynligheder for modeller (f.eks. Bayesfaktorer eller posteriore model-sandsynligheder) og afhænger af fordelingene, der vælges. Reguleringsteknikker som Lasso eller Ridge reducerer eller fjerner parametre gennem penaltyter, hvilket indirekte udfører variabel-udvælgelse. Traditionelle trinvis udvælgelse (fremad, bagud) findes også, men kritiseres for ustabilitet og multiple sammenligninger.

Praksis omfatter klare mål, dataopdeling for at undgå lækage, rapportering af usikkerhed og vurdering af modelusikkerhed. Vær opmærksom på biases fra udvælgelsen og ikke mindst på at overbetone en enkelt kriterie; ofte anbefales en kombination af tilgange og sensitivitetstests for at sikre robuste konklusioner.