Добрый день, подскажите пожалуйста, между переменными Y и X я построил график рассеяния. (обе метрические переменные)
(Но он какой то странный, у него как будто значения поделились на два класса. вот они
Скажите могу ли я использовать дерево решений или обычный регрессионный анализ при таком графике. Если да, то всё ок, если нет, то что делать.
Я просто решил посоветоваться с более опытными статистиками.

Коллега, !

График интересный и полезный. Действительно, очень чётко видны 2 группы наблюдений.
Разделяются эти 2 группы примерно по значению горизонтальной оси равному 14.
Установите, что это за 2 группы. Далее, рекомендую для двух этих групп сделать раздельные оценки
корреляций и регрессий. И затем сделать сравнения, которые описаны по адресу
http://www.biometrica.tomsk.ru/comp_aver_5.htm

Успеха!

У Вас - все ОК, за исключением того, что Вы смешали два алгортма, предназначение которых различны.
Деревья решений относятся к алгоритмам, решающим задачи классификации, т.е. задачу отнесения объекта к определенному классу. В Вашей задачи необходимости в выполнении этого алгоритма нет, все и так видно "на глаз". А вот в более сложных случаях, например при многомерном анализе, этот этап придется выполнить, причем можно и деревьями, можно и SVM, можно и кNN - вариантов много, для разных случаев. Более того, возможно предварительно еще и выполнив кластеризацию. Но - повторю - в Вашем случае в этом потребности нет.
После того, как группы выделены - Вы имеете право выполнить классический регрессионный анализ. Естественно, для каждой группы в отдельности.
Удачи.

Спасибо, коллеги. Подскажите, еще пожалуйста по этому графику. Есть ли метод, чтобы линейно разделить эти точки?

Ещё вопросик возник. Я полиномом приблизил точки см. скрин. Правильно ли так приближать или есть более крутое решение

Очевидно, что нет.


А вообще, Вы можете сформулировать цель исследований?
Например, с какой целью Вы строили полином, проходящий через все экспериментальные точки?
Или вопрос к началу этой темы. С какой целью Вам нужно строить уравнение регрессии?

Еще более очевидно, что да. Метод называется Supporting Vector Machine (SVM).

100$, спасибо, а по поводу полинома сможете подсказать правильно ли так приближать точки или нет?

\К вопросу о крутизне статистических решений\
А вот в нашей местности даже первоклашки знают, что через N точек единственным образом проходит полином N-1 степени. Куды уж круче...

Неправильно.

О, спасибо.
Буду знать.
Век живи - век учись (с)

Дополню. И не только SVM-методом.
Простейшее решение, основанное на школьной математике - перейти из декартовых в полярные координаты представления данных. Где задача решается тем самым методом "линейного разделения".

Это - самое НЕ крутое решение. Называется - переобучение. Типичная ошибка юных пионеров статистиков. Представте, у вас добавилась (или убралась) всего одна точка. Мало того, что вся ваша модель должна быть пересчитана, так еще и новая модель может очень существенно, иногда - кардинально, отличаться от первой. А это противоречит здравому смыслу и физике процесса.

Господа! А вас что, вот эти весь этот нескончаемый поток "тестов на интеллект", действительно не задрал ещё?

(мне когда все эти глупости стали повторяться "по второму кругу" стало совсем не хорошо)