Запитання з тегом «multivariate-regression»

Регресія з кількома змінними відповіді (залежною).

2
Багатовимірна множинна регресія в R
У мене є 2 залежні змінні (DV), на кожну з яких може впливати набір 7 незалежних змінних (IV). ДВ є безперервними, тоді як набір ІV складається з суміші безперервних і двійкових кодованих змінних. (У коді нижче безперервні змінні записуються великими літерами, а двійкові змінні - малими літерами.) Метою дослідження є …


6
Навіщо нам потрібна багатоваріантна регресія (на відміну від ряду одноманітних регресій)?
Я щойно переглянув цю чудову книгу: Прикладний багатоваріантний статистичний аналіз Джонсона та Вічерн . Іронія полягає в тому, що я досі не в змозі зрозуміти мотивацію використання багатоваріантних (регресійних) моделей замість окремих одновимірних (регресійних) моделей. Я переглянув stats.statexchange пости 1 та 2, які пояснюють (a) різницю між багаторазовою та багатоваріантною …

2
Кастинг багатоваріантної лінійної моделі у вигляді множинної регресії
Чи переробка багатовимірної лінійної регресійної моделі як множинної лінійної регресії цілком еквівалентна? Я не маю на увазі просто запуск ttt окремих регресій. Я читав це в декількох місцях (Байєсівський аналіз даних - Гельман та ін., І багатоваріантна стара школа - Марден), що багатоваріантну лінійну модель можна легко перемацати як багаторазову …

4
Нейронна мережа для множинної регресії на виході
У мене є набір даних, що містить 34 колонки введення та 8 вихідних стовпців. Один із способів вирішити проблему - взяти 34 входи та побудувати індивідуальну модель регресії для кожного вихідного стовпчика. Мені цікаво, чи можна вирішити цю проблему, використовуючи лише одну модель, особливо за допомогою нейронної мережі. Я використовував …

1
Багатоваріантна лінійна регресія проти декількох одновимірних регресійних моделей
У налаштуваннях універсальної регресії ми намагаємося моделювати y=Xβ+noisey=Xβ+noisey = X\beta +noise де вектор спостережень і матриця проектування з провісниками. Рішення - .y∈Rny∈Rny \in \mathbb{R}^nnnnX∈Rn×mX∈Rn×mX \in \mathbb{R}^{n \times m}mmmβ0=(XTX)−1Xyβ0=(XTX)−1Xy\beta_0 = (X^TX)^{-1}Xy У налаштуваннях багатоваріантної регресії ми намагаємося моделювати Y=Xβ+noiseY=Xβ+noiseY = X\beta +noise де - матриця з спостережень та різних прихованих змінних. …

1
Як інтерпретувати коефіцієнти багатоваріантної змішаної моделі в lme4 без загального перехоплення?
Я намагаюся встановити багатоваріантну (тобто множину реакцій) змішану модель R. Окрім пакунків ASReml-rта SabreRпакунків (для яких потрібне зовнішнє програмне забезпечення), здається, це можливо лише в MCMCglmm. У статті, що додається до MCMCglmmпакету (с. 6), Джаррод Хадфілд описує процес встановлення такої моделі, як переформатування декількох змінних відповідей в одну змінну довгого …

3
регресія гауссових процесів для великих наборів даних
Я дізнався про регресію процесу Гаусса з онлайн-відео та конспектів лекцій. Я розумію, що якщо у нас є набір даних з точок, то ми припускаємо, що дані вибираються з -вимірного багатовимірного гаусса. Так що моє запитання в тому випадку , коли є 10 - х мільйонів робить гауссовский процес регресії …

1
Багатовимірна лінійна регресія з ласо в r
Я намагаюся створити зменшену модель, щоб передбачити багато залежних змінних (DV) (~ 450), які сильно корелюються. Мої незалежні змінні (IV) також численні (~ 2000) і сильно корелюються. Якщо я використовую ласо для вибору зменшеної моделі для кожного виводу окремо, я не гарантую, що я отримаю той самий підмножина незалежних змінних, …

2
З'єднання інформації часових рядів з джерел з декількома просторовими дозволами / масштабами
У мене є багато супутникових растрових зображень, доступних від різних датчиків. З них грубіші мають дуже рясну часову роздільну здатність. Растри середньої роздільної здатності, як правило, мають менші дати придбання, але все ще доступна деяка ступінь інформації. Більш точна роздільна здатність має дуже низький часовий дозвіл, який охоплює від 2 …
Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.