«regression» etiketlenmiş sorular

oranını tahmin eden bir model inşa etmeyi düşünüyorum , burada ve ve . Dolayısıyla, oran ile arasında olacaktır .a ≤ b a > 0 b > 0 0 1a/ba/ba/ba≤ba≤ba \le ba>0a>0a > 0b>0b>0b > 0000111 Doğrusal regresyon kullanabilirim, ancak doğal olarak 0..1 ile sınırlı değildir. İlişkinin doğrusal olduğuna inanmak için …

41 regression  logistic  generalized-linear-model  beta-distribution  beta-regression 

Eğilim puanları ve nedensel analizler için nispeten yeni olduğumu kabul ediyorum. Yeni gelen biri olarak benim için açık olmayan bir şey, eğilim puanlarını kullanarak “dengelemenin” bir regresyonda eş değişkenler eklediğimizde olanlardan matematiksel olarak nasıl farklı olduğu? Operasyonda farklı olan nedir ve neden regresyona alt popülasyon eş değişkenleri eklemekten daha iyidir? …

41 regression  multivariate-analysis  causality  propensity-scores 

Ridge regresyonu için çözümün türetilmesiyle ilgili bazı sorunlar yaşıyorum. Regresyon çözümünü normalleştirme terimi olmadan biliyorum: β=(XTX)−1XTy.β=(XTX)−1XTy.\beta = (X^TX)^{-1}X^Ty. λ∥β∥22λ‖β‖22\lambda\|\beta\|_2^2 β=(XTX+λI)−1XTy.β=(XTX+λI)−1XTy.\beta = (X^TX + \lambda I)^{-1}X^Ty.

40 regression  least-squares  regularization  ridge-regression 

7., 16. ve 29. noktaların etkili nokta olup olmadığını bilen var mı? Bir yerlerde, Cook'un mesafesi 1'den düşük olduğundan, olmadıklarını okudum. Ben haklı mıyım?

40 r  regression  residuals  diagnostic  cooks-distance 

Bir model için hesaplamamda çeşitli değişkenler var ve hepsi istatistiksel olarak anlamlı değil. Bunları çıkarmamalı mıyım? Bu soru olayı tartışıyor, ancak sorumu cevaplamıyor: Bir değişkenin ANCOVA'daki anlamlı olmayan etkisini nasıl yorumlayabilirim? Bu sorunun cevabında önemli olmayan eş değişkenlerin çıkarılmasını öneren hiçbir şey yok, ancak şu anda içeri girmeleri gerektiğine inanmaya …

39 regression  statistical-significance  ancova  model  predictor 

En küçük açılı regresyon ve kement çok benzer düzenlileştirme yolları üretme eğilimindedir (bir katsayının sıfırı geçtiği durumlar dışında aynıdır) Her ikisi de neredeyse aynı algoritmalarla verimli bir şekilde sığabilir. Bir yöntemi diğerine tercih etmek için herhangi bir pratik sebep var mı?

39 regression  lasso 

Benim sorum şu ki, lojistik regresyona uymadan önce tüm değişkenlerin [0,1] arasında aynı ölçeğe sahip olduğundan emin olmak için veri setini standartlaştırmamız gerekiyor. Formül: xi−min(xi)max(xi)−min(xi)xi−min(xi)max(xi)−min(xi)\frac{x_i-\min(x_i)}{\max(x_i)-\min(x_i)} Veri setimin 2 değişkeni var, iki kanal için de aynı şeyi tarif ediyorlar, ama hacim farklı. İki mağazada yapılan müşteri ziyaretlerinin sayısının, burada bir müşterinin …

39 regression  logistic  standardization 

Polinom regresyon doğrusal olmayan ilişkileri modelliyorsa, özel bir çoklu doğrusal regresyon olayı nasıl düşünülebilir? Wikipedia, "Polinom regresyonunun verilere doğrusal olmayan bir modele uymasına rağmen, istatistiksel bir tahmin problemi olarak doğrusal olduğunu, regresyon fonksiyonunun 'in tahmin edilen bilinmeyen parametrelerde lineer olduğu anlamında olduğunu not eder. verilerden. "E(y|x)E(y|x)\mathbb{E}(y | x) Parametreler order …

38 regression  multiple-regression  linear-model  nonlinear-regression  polynomial 

R, Poisson ve negatif binom (NB) regresyonlarında, kategorik fakat sürekli olmayan tahminler için daima aynı katsayılara uyduğunu farkettim. Örneğin, burada kategorik bir yordayıcılığa sahip bir regresyon: data(warpbreaks) library(MASS) rs1 = glm(breaks ~ tension, data=warpbreaks, family="poisson") rs2 = glm.nb(breaks ~ tension, data=warpbreaks) #compare coefficients cbind("Poisson"=coef(rs1), "NB"=coef(rs2)) Poisson ve NB'nin farklı katsayılara …

38 regression  negative-binomial  poisson-regression 

Çok değişkenli Cox regresyon yapıyorum, önemli bağımsız değişkenlerim ve beta değerlerim var. Model verilerime çok iyi uyuyor. Şimdi, modelimi kullanmak ve yeni bir gözlemin hayatta kalmasını tahmin etmek istiyorum. Cox modeliyle bunun nasıl yapılacağı konusunda net değilim. Doğrusal veya lojistik bir regresyonda, kolay olacaktır, sadece yeni gözlemin değerlerini regresyona koyun …

38 regression  survival  prediction  cox-model 

Bir OLS regresyonu çalıştırmaya çalışıyorum: DV: Bir yıl boyunca kilodaki değişim (başlangıç ​​ağırlığı - son ağırlık) IV: Egzersiz yapıp yapmadığın. Bununla birlikte, daha ağır olan kişilerin egzersiz birimi başına daha zayıf insanların, zayıf insanlardan daha fazla kilo vermesi makul görünmektedir. Böylece bir kontrol değişkeni eklemek istedim: CV: İlk başlangıç ​​ağırlığı. …

38 regression  repeated-measures  least-squares  change-scores 

Kesintiyi kaldırmak için ( bu soruda bahsedildiği gibi) verileri merkezlediğimiz örnekler (örneğin, düzenlileştirme veya PCA ile) hakkında okumaya devam ediyorum . Biliyorum basit, ama bunu sezgisel olarak anlamakta zorlanıyorum. Birisi sezgiyi verebilir veya okuyabileceğim bir referans verebilir mi?

38 regression  pca  centering 

Binom veri testlerinde bu konuda oldukça yeniyim, ancak bir tane yapmam gerekiyor ve şimdi sonucun nasıl yorumlanacağından emin değilim. Yanıt değişkeni olan y değişkeni binomdur ve açıklayıcı faktörler süreklidir. Sonuçları özetlerken elde ettiğim şey bu: glm(formula = leaves.presence ~ Area, family = binomial, data = n) Deviance Residuals: Min 1Q …

38 r  regression  logistic  binomial  interpretation 

TL, DR: O görünür aksine tavsiye sık sık tekrarlanan, çapraz doğrulama (Loo-CV) terk-on Çıkış - olup,ile kat CV(kat sayısı) eşit(numara Eğitim gözlemlerinin) -Model / algoritma, veri seti veya her ikisinde debelirli bir stabilite koşuluvarsayarsak, en değişken değil,herhangi biriçinen az değişkenolan genelleme hatasının tahminlerini verir(hangisinden emin değilim) bu kararlılık durumunu gerçekten …

37 regression  machine-learning  variance  cross-validation  predictive-models 

Birisi lütfen SVM veya LR'yi ne zaman seçeceğiniz konusunda bana biraz fikir verebilir mi? İlgili amaçların aşağıdaki gibi olduğu ikisinin hiper düzlemini öğrenme optimizasyon kriterleri arasındaki farkın arkasındaki sezgiyi anlamak istiyorum: SVM: En yakın destek vektörleri arasındaki marjı maksimize etmeye çalışın LR: Arka sınıf olasılığını maksimuma çıkarın Hem SVM hem …

37 regression  logistic  svm  optimization