Regression model train করার পরে diagnostics ব্যবহার করে দেখতে হয় model-এর assumptions এবং potential problems কেমন।
Residual Plot
সাধারণভাবে predicted value-এর বিপরীতে residual plot করা হয়।
Ideal ক্ষেত্রে residuals কোনো clear pattern ছাড়া roughly random cloud-এর মতো হওয়া উচিত।
যদি clear curve দেখা যায়:
Possible nonlinear relationship
আর যদি spread prediction-এর সঙ্গে বাড়তে থাকে:
Possible heteroscedasticity
Q-Q Plot
Q-Q plot residual distribution normal distribution-এর কাছাকাছি কিনা visually inspect করতে সাহায্য করে।
যদি points roughly straight line follow করে, normality assumption-এর সঙ্গে data বেশি consistent হতে পারে।
VIF
VIF = Variance Inflation Factor।
একটি predictor অন্য predictors-এর মাধ্যমে কতটা explain করা যায়, তার ভিত্তিতে multicollinearity diagnose করতে VIF ব্যবহার করা হয়।
$$\text{ VIF\_j } = \frac{1}{1 - R_{j}^{2}}$$যেখানে $R_{j}^{2}$ হলো predictor $j$-কে অন্য predictors দিয়ে predict করার R²।
VIF অনেক বেশি হলে:
Possible multicollinearity
indicate করতে পারে।
Cook’s Distance
কোনো একটি observation model-এর fitted coefficients-কে কতটা influence করছে তা detect করতে Cook’s Distance ব্যবহার করা যায়।
যদি একটি observation বাদ দিলে model-এর fitted result উল্লেখযোগ্যভাবে পরিবর্তিত হয়, তাহলে সেটি একটি influential observation হতে পারে।