雖然也許聽來(lái)很酷，但現(xiàn)在您也能夠擁有任意多的自變量，請(qǐng)記住，任何東西都有一定限制。自變量太多或數(shù)據(jù)集合的列太長(zhǎng)可能會(huì)導(dǎo)致計(jì)算機(jī)的計(jì)算限制，正如您剛才看到的那樣，矩陣計(jì)算也會(huì)要計(jì)算過(guò)程中產(chǎn)生大量數(shù)字。

向多元線性回歸模型中添加自變量總是會(huì)增加因變量的方差數(shù)量，通常表示為 r-平方，因此，在沒有任何理論依據(jù)的情況下，添加過(guò)多自變量可能會(huì)導(dǎo)致模型過(guò)度擬合。

例如，如果我們構(gòu)建一個(gè)模型，就像在本系列第一篇文章中所做的那樣，，僅基于兩個(gè)變量，納斯達(dá)克是因變量，標(biāo)準(zhǔn)普爾 500 是自變量，我們的準(zhǔn)確率可能超過(guò) 95%，但情況也許并非如此，因?yàn)楝F(xiàn)在我們有 3 個(gè)自變量。

在建立模型后檢查模型的準(zhǔn)確性始終是一個(gè)好主意，在建立模型之前，還應(yīng)檢查每個(gè)自變量與目標(biāo)之間是否存在相關(guān)性。

構(gòu)建模型之時(shí)，始終依據(jù)已被證明的、與您的目標(biāo)變量具有強(qiáng)線性關(guān)系的數(shù)據(jù)。

? ? ? ? ? ? ? ? ? ? ? ?MatnIdent[j_k] = MatnIdent[j_k] - ratio*MatnIdent[i_k]; ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? DBL_MAX_MIN(MatnIdent[j_k]); DBL_MAX_MIN(ratio*MatnIdent[i_k]); ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? // Row Operation to make Principal diagonal to 1 ? ? ? ? ? ? /*back to our MatrixandIdentical Matrix Array then we'll perform operations to make its principal diagonal to 1 */ ? ? ? ? ? ? ? ? ? ? ? ? ? ? ArrayResize(output_Mat,size); ? ? ? ? ? ? ? ? ? ? ? ? int counter=0; ? ? ? ? ? ? for (int i=0; i<rowsCols; i++) ? ? ? ? ? ? ? for (int j=rowsCols; j<2*rowsCols; j++) ? ? ? ? ? ? ? ? { ? ? ? ? ? ? ? ? ? int i_j, i_i; ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?i_j = j + (i*(rowsCols*2)); ? ? ? ? ? ? ? ? ? ?i_i = i + (i*(rowsCols*2)); ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?//Print("i_j ",i_j," val = ",MatnIdent[i_j]," i_i =",i_i," val =",MatnIdent[i_i]); ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?MatnIdent[i_j] = MatnIdent[i_j] / MatnIdent[i_i]; ? ? ? ? ? ? ? ? ? ? ?//printf("%d Mathematical operation =%.4f",i_j, MatnIdent[i_j]); ? ? ? ? ? ? ? ? ? ?output_Mat[counter]= MatnIdent[i_j]; ?//store the Inverse of Matrix in the output Array ? ? ? ? ? ? ? ? ? ? ?