Un modèle saturé est-il un cas particulier d'un modèle suréquipé?

J'essaie de comprendre ce qu'est un modèle saturé. AFAIK c'est quand vous avez autant de fonctionnalités que d'observations.

Pouvons-nous dire qu'un modèle saturé est un cas particulier d'un modèle extrêmement surajusté?

overfitting Ricardo Cruz
la source

Pas exactement - je pense qu'un modèle saturé a utilisé tous ses degrés de liberté. Cela dépend du modèle ce que cela signifie exactement. Dans un modèle log-linéaire, par exemple, inclure toutes les interactions dans le modèle le rend saturé, comme df = 0, alors, mais il n'est pas surajusté.

tomka

Cette tête a une bonne discussion à ce sujet: stats.stackexchange.com/questions/283/what-is-a-satured-model

DL Dahly

Réponses:

$y$ $x=0$ $x=1$ $\operatorname{E}Y = \beta_0 +\beta_1 x$ $y$ $x=(0,1,2,3,4)^\mathrm{T}$ $\operatorname{E}Y = \beta_0 +\beta_1 x +\beta_2 x^2 +\beta_3 x^3 +\beta_4 x^4$

Lorsque les gens parlent de modèles saturés ayant autant de paramètres que d'observations, comme dans la page Web liée et le post CV, ils supposent un contexte d'une observation pour chaque modèle de prédicteur. (Ou peut-être en utilisant parfois «l'observation» différemment - est-ce que 100 individus dans un tableau de contingence 2 × 2 sont 100 observations d'individus, ou 4 observations de fréquences cellulaires?)

$\beta_1$ $\operatorname{Var}Y$

Scortchi - Réintégrer Monica
la source

Bel exemple de mappage de x = {0,1} à 100 ys, merci. Diriez-vous que cette définition n'est pas exacte alors: stats.gla.ac.uk/glossary/?q=node/448 ?

Ricardo Cruz

Je dirais juste ce que j'ai dit dans mon deuxième paragraphe - c'est en supposant que le contexte, et une définition plus généralement applicable, pourrait être mieux.

Scortchi - Réintégrer Monica