वर्गों (आरएसएस) का अवशिष्ट योग क्या है?
वर्गों (आरएसएस) का एक अवशिष्ट योग एक सांख्यिकीय तकनीक है जिसका उपयोग प्रतिगमन मॉडल द्वारा समझाया नहीं जाने वाले डेटा सेट में विचरण की मात्रा को मापने के लिए किया जाता है। प्रतिगमन एक माप है जो एक आश्रित चर और अन्य बदलते चर या स्वतंत्र चर की एक श्रृंखला के बीच संबंधों की ताकत निर्धारित करने में मदद करता है।
वर्गों का अवशिष्ट योग प्रतिगमन समारोह और डेटा सेट के बीच शेष त्रुटि की मात्रा को मापता है। वर्गों की आकृति का एक छोटा अवशिष्ट एक प्रतिगमन फ़ंक्शन का प्रतिनिधित्व करता है। वर्गों का अवशिष्ट योग - जिसे वर्ग अवशेषों के योग के रूप में भी जाना जाता है-अनिवार्य रूप से यह निर्धारित करता है कि प्रतिगमन मॉडल कितनी अच्छी तरह समझाता है या मॉडल में डेटा का प्रतिनिधित्व करता है।
चाबी छीन लेना
- वर्गों (आरएसएस) का एक अवशिष्ट योग एक सांख्यिकीय तकनीक है जिसका उपयोग डेटा सेट में विचरण की मात्रा को मापने के लिए किया जाता है, जिसे प्रतिगमन मॉडल द्वारा समझाया नहीं जाता है। वर्गों का अवशिष्ट योग वित्तीय बाजारों में पुनर्जागरण का आनंद लेने वाले कई सांख्यिकीय गुणों में से एक है। आदर्श रूप में, किसी भी प्रतिगमन मॉडल में चुकता अवशिष्टों का योग छोटा या कम होना चाहिए।
वर्गों (आरएसएस) के अवशिष्ट योग को समझना
वित्तीय बाजार तेजी से अधिक मात्रात्मक रूप से संचालित हो गए हैं; जैसे, एक बढ़त की तलाश में, कई निवेशक अपने निर्णयों में सहायता के लिए उन्नत सांख्यिकीय तकनीकों का उपयोग कर रहे हैं। बड़े डेटा, मशीन लर्निंग, और कृत्रिम बुद्धिमत्ता अनुप्रयोगों को समकालीन निवेश रणनीतियों को निर्देशित करने के लिए सांख्यिकीय गुणों के उपयोग की आवश्यकता होती है। वर्गों या आरएसएस के आँकड़ों का अवशिष्ट योग एक पुनर्जागरण का आनंद लेने वाले कई सांख्यिकीय गुणों में से एक है।
सांख्यिकीय मॉडल का उपयोग निवेशकों और पोर्टफोलियो प्रबंधकों द्वारा एक निवेश की कीमत को ट्रैक करने और भविष्य के आंदोलनों की भविष्यवाणी करने के लिए उस डेटा का उपयोग करने के लिए किया जाता है। अध्ययन-प्रतिगमन विश्लेषण-एक वस्तु के बीच मूल्य आंदोलनों में संबंध का विश्लेषण करने और वस्तुओं के उत्पादन में लगी कंपनियों के शेयरों को शामिल कर सकता है।
किसी भी मॉडल में अनुमानित मूल्यों और वास्तविक परिणामों के बीच भिन्नता हो सकती है। हालाँकि प्रतिगमन विश्लेषण द्वारा भिन्नताओं को समझाया जा सकता है, वर्गों का अवशिष्ट योग उन भिन्नताओं या त्रुटियों का प्रतिनिधित्व करता है जिन्हें समझाया नहीं गया है।
चूंकि एक पर्याप्त जटिल प्रतिगमन फ़ंक्शन लगभग किसी भी डेटा सेट को बारीकी से फिट करने के लिए बनाया जा सकता है, यह निर्धारित करने के लिए आगे का अध्ययन आवश्यक है कि क्या प्रतिगमन फ़ंक्शन, वास्तव में, डेटासेट के विचरण को समझाने में उपयोगी है। आमतौर पर, हालांकि, वर्गों के अवशिष्ट योग के लिए एक छोटा या कम मूल्य किसी भी मॉडल में आदर्श है क्योंकि इसका मतलब है कि डेटा सेट में कम भिन्नता है। दूसरे शब्दों में, स्क्वायड अवशिष्टों का योग जितना कम होता है, डेटा को समझाने में प्रतिगमन मॉडल उतना ही बेहतर होता है।
