NeuroStack Analytics

Visualisation moderne des modèles statistiques

Explore les résultats de tes modèles : régression linéaire, logistique, Ridge, Lasso, Elastic Net, GLM et classification multinomiale. Les résultats viennent directement de ton serveur FastAPI.

linear_regression

y ~ x

Exemple OLS : estimation d'une relation linéaire entre x et y.

n obs

n params

df model

df resid

RSS

0.5467

TSS

3.360e+3

ess

3.360e+3

MSE

0.0304

sigma2 hat

0.0304

R²

0.9998

R² adj

0.9998

f statistic

1.106e+5

f p value

0.0000

condition number

25.0195

rank

Coefficients

Estimations, erreurs standards, statistiques et intervalles.

variable	estimate	std_error	t	p_value	ci_lower	ci_upper
Intercept	1.53695	0.08096	18.98411	2.36e-13	1.36686	1.70704
x	2.24777	0.00676	332.58938	1.48e-35	2.23357	2.26197

Prédictions

Valeurs prédites, probabilités ou classes selon le modèle.

prediction	lower	upper	interval_type
12.77578	12.39254	13.15902	prediction
24.01462	23.63935	24.38988	prediction
57.73112	57.30315	58.15909	prediction

Diagnostics

Aperçu des résidus, leverage, Cook distance et autres indicateurs.

fitted	residual	studentized_residual	leverage	cooks_distance	high_leverage	influential_cook
3.78471	0.16529	1.05098	0.18571	0.12596	Non	Non
6.03248	-0.13248	-0.82873	0.15865	0.06475	Non	Non
8.28025	0.11975	0.73861	0.13459	0.04242	Non	Non
10.52802	-0.27802	-1.69427	0.11353	0.18382	Non	Non
12.77578	0.07422	0.44776	0.09549	0.01058	Non	Non

Résumé mathématique

Résumé brut généré par neurostack_analytics.

Régression linéaire OLS : y ~ x
Modèle : OLS demo

Hypothèses mathématiques :
  H1. Linéarité : E[y|X] = Xβ
  H2. Exogénéité : E[ε|X] = 0
  H3. Homoscédasticité : Var(ε|X) = σ²I
  H4. Absence de colinéarité parfaite : rang(X) = p
  H5. Indépendance des erreurs
  H6. Normalité des erreurs pour l’inférence exacte en petit échantillon

Formules principales :
  β̂ = (XᵀX)⁻¹Xᵀy
  RSS = Σ(yᵢ - ŷᵢ)²
  TSS = Σ(yᵢ - ȳ)²
  σ̂² = RSS / (n - p)
  Var(β̂) = σ̂²(XᵀX)⁻¹
  R² = 1 - RSS/TSS
  R² ajusté = 1 - (1 - R²)(n - 1)/(n - p)

 variable  estimate  std_error          t      p_value  ci_lower  ci_upper
Intercept  1.536947   0.080960  18.984106 2.364344e-13  1.366857  1.707037
        x  2.247767   0.006758 332.589377 1.481742e-35  2.233568  2.261966

R²              : 0.999837
R² ajusté       : 0.999828
F global        : 110615.693830
p-value F       : 1.48174e-35
RSS             : 0.546739
MSE             : 0.030374
n               : 20
p               : 2
df résidus      : 18
rang(X)         : 2
condition number: 25.0195