Câu hỏi được gắn thẻ «regression»

Kỹ thuật phân tích mối quan hệ giữa một (hoặc nhiều) biến "phụ thuộc" và biến "độc lập".



2
Tính xác suất của x1> x2
Tôi tự học về xác suất bằng R, mô hình tuyến tính và tính toán xác suất. Tôi hiện đang bế tắc về cách so sánh 2 dự đoán từ một mô hình. Dữ liệu tôi đang sử dụng được tải xuống (miễn phí) từ đây: wmbriggs.com/public/sat.csv df <- read.csv("sat.csv") …

1
Tại sao độ lệch bằng 0 đối với công cụ ước tính OLS đối với hồi quy tuyến tính?
Tôi hiểu khái niệm về sự đánh đổi sai lệch. Xu hướng dựa trên sự hiểu biết của tôi, đại diện cho lỗi vì sử dụng một lớp đơn giản (ví dụ: tuyến tính) để nắm bắt một ranh giới quyết định phi tuyến tính phức tạp. Vì vậy, tôi …

1
Tại sao việc giảm mô hình hồi quy thành mô hình phân loại bằng cách phân tách đầu ra sẽ cải thiện mô hình?
Trong các vấn đề hồi quy, nếu đầu ra được phân tách thành các thùng / danh mục / cụm và được sử dụng làm nhãn, mô hình được giảm xuống thành mô hình phân loại. Câu hỏi của tôi là: động lực lý thuyết hoặc ứng dụng đằng sau …


1
Độ lệch Poisson (xgboost vs gbm vs hồi quy)
Tôi muốn biết đó là biểu thức sai lệch trong hồi quy poisson bằng xgboostcông cụ (tăng cường độ dốc cực độ). Theo mã nguồn, chức năng đánh giá là: struct EvalPoissonNegLogLik : public EvalEWiseBase { const char *Name() const override { return "poisson-nloglik"; } inline bst_float EvalRow(bst_float y, bst_float …


3
Làm thế nào để giải thích Bootstrap?
Tôi là một người mới thực sự khi nói về thống kê vì vậy xin đừng phán xét tôi và câu hỏi của tôi;) Tôi đang thực hiện phân tích hồi quy tuyến tính với SPSS và vì dữ liệu của tôi không được phân phối bình thường cũng như …



4
Hồi quy sườn: thường xuyên hướng tới một giá trị
Ước tính hồi quy sườn truyền thống là β^ridge=(XTX+λI)−1XTYβ^ridge=(XTX+λI)−1XTY \hat{\beta}_{ridge} = (X^TX+\lambda I)^{-1} X^T Y bắt nguồn từ việc thêm thời hạn phạt λ||β||22λ||β||22\lambda ||\beta||^2_2. Tôi đã phải vật lộn để tìm tài liệu về việc thường xuyên hướng tới một giá trị cụ thể . Cụ thể, tôi đã …

2
Mô hình với các biến chứng
Một mô hình hồi quy tuyến tính thông thường là y=c′x+εy=c′x+εy = c'x + \varepsilon, Ở đâu ccc là các hệ số chưa biết và εε\varepsilonlà nhiễu Gaussian với giá trị trung bình bằng không và phương sai không đổi. Tôi đang xây dựng một mô hình trong đó thuật …



Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.