Câu hỏi được gắn thẻ «regression»

Tình hình của tôi là: Tôi có 1 biến phụ thuộc liên tục và 1 biến dự đoán liên tục mà tôi đã biến đổi logarit để bình thường hóa phần dư của chúng để hồi quy tuyến tính đơn giản. Tôi sẽ đánh giá cao bất kỳ trợ giúp …

10 regression  data-transformation  regression-coefficients  logarithm 

Đã đóng cửa. Câu hỏi này không đúng chủ đề . Nó hiện không chấp nhận câu trả lời. Bạn muốn cải thiện câu hỏi này? Cập nhật câu hỏi để nó thuộc chủ đề cho Xác thực chéo. Đóng cửa 3 năm trước . Điều này đối với tôi …

10 r  regression 

Tôi đang xem xét một số vấn đề và trong một số vấn đề để kiểm tra các hệ số, đôi khi tôi thấy mọi người sử dụng phân phối của Sinh viên và đôi khi tôi thấy phân phối Bình thường. Quy định là gì?

10 regression  distributions  hypothesis-testing 

Có gói phần mềm nào để giải quyết hồi quy tuyến tính với mục tiêu giảm thiểu định mức L-infinite.

10 regression 

Nói một cách dễ hiểu: Tôi có mô hình hồi quy bội hoặc ANOVA nhưng biến trả lời cho mỗi cá nhân là hàm số theo thời gian. Làm thế nào tôi có thể biết biến số nào ở phía bên phải chịu trách nhiệm cho sự khác biệt đáng …

10 regression  time-series  mixed-model  repeated-measures  panel-data 

Tôi đang sử dụng gói quantreg để tạo mô hình hồi quy bằng cách sử dụng phân vị thứ 99 của các giá trị của tôi trong một tập dữ liệu. Dựa trên lời khuyên từ một câu hỏi stackoverflow trước mà tôi đã hỏi, tôi đã sử dụng cấu …

10 regression  logarithm 

Giả sử tôi quan tâm đến mô hình hồi quy tuyến tính, vì , vì tôi muốn xem liệu tương tác giữa hai hiệp phương sai có ảnh hưởng đến Y.Yi=β0+β1x1+β2x2+β3x1x2Yi=β0+β1x1+β2x2+β3x1x2Y_i = \beta_0 + \beta_1x_1 + \beta_2x_2 + \beta_3x_1x_2 Trong ghi chú khóa học của giáo sư (người mà tôi …

10 regression  multiple-regression  interaction  linear-model 

Giả sử rằng chúng ta có một mô hình .Yi=β0+β1Xi1+β2Xi2+⋯+βkXik+ϵiYi=β0+β1Xi1+β2Xi2+⋯+βkXik+ϵiY_i = \beta_0 + \beta_1X_{i1} + \beta_2X_{i2} + \dots + \beta_kX_{ik} + \epsilon_i Hồi quy có một số giả định, chẳng hạn như các lỗi nên được phân phối bình thường với giá trị trung bình bằng 0 và phương sai …

10 regression  residuals  error 

Tôi đã xem qua tài liệu sklearn nhưng tôi không thể hiểu mục đích của các chức năng này trong bối cảnh hồi quy logistic. Đối với decision_functionnó nói rằng đó là khoảng cách giữa siêu phẳng và thể hiện thử nghiệm. Thông tin cụ thể này hữu ích như …

10 regression  logistic  prediction  scikit-learn  decision 

Tập dữ liệu của tôi ( ) có một biến phụ thuộc (DV), năm biến "đường cơ sở" độc lập (P1, P2, P3, P4, P5) và một biến quan tâm độc lập (Q).N≈ 10 , 000N≈10,000N \approx 10,000 Tôi đã chạy hồi quy tuyến tính OLS cho hai mô hình …

10 regression  linear  r-squared 

Hãy tưởng tượng chúng ta có một mô hình hồi quy tuyến tính với biến phụ thuộc . Chúng tôi tìm thấy của nó . Bây giờ, chúng tôi thực hiện một hồi quy khác, nhưng lần này là trên và tương tự tìm . Tôi được cho biết rằng …

10 regression  data-transformation  r-squared 

Tôi biết điều này có lẽ đã được thảo luận ở một nơi khác, nhưng tôi không thể tìm thấy một câu trả lời rõ ràng. Tôi đang cố gắng sử dụng công thức để tính mẫu ngoài mô hình hồi quy tuyến tính, trong đó là tổng bình phương …

10 regression  machine-learning  r-squared  out-of-sample 

Các "số dư sinh viên" và "số dư chuẩn hóa" có giống nhau trong các mô hình hồi quy không? Tôi đã xây dựng mô hình hồi quy tuyến tính trong R và muốn vẽ đồ thị của các giá trị được trang bị cho phần dư Sinh viên v …

10 r  regression  residuals  terminology 

Làm thế nào để thực hiện hồi quy sườn không âm? Lasso không âm có sẵn trong scikit-learn, nhưng đối với sườn núi, tôi không thể thực thi phi âm của betas, và thực sự, tôi đang nhận được hệ số âm. Có ai biết tại sao điều này? Ngoài …

10 regression  lasso  regularization  ridge-regression 

Tôi hiểu rằng chúng ta có thể sử dụng chính quy trong bài toán hồi quy bình phương nhỏ nhất như w∗=argminw[(y−Xw)T(y−Xw)+λ∥w∥2]w∗=argminw⁡[(y−Xw)T(y−Xw)+λ‖w‖2]\boldsymbol{w}^* = \operatorname*{argmin}_w \left[ (\mathbf y-\mathbf{Xw})^T(\boldsymbol{y}-\mathbf{Xw}) + \lambda\|\boldsymbol{w}\|^2 \right] và rằng vấn đề này có một giải pháp dạng đóng như: w^=(XTX+λI)−1XTy.w^=(XTX+λI)−1XTy.\hat{\boldsymbol{w}} = (\boldsymbol{X}^T\boldsymbol{X}+\lambda\boldsymbol{I})^{-1}\boldsymbol{X}^T\boldsymbol{y}. Chúng ta thấy rằng trong …

10 regression  regularization  ridge-regression  overfitting  matrix-inverse