Запитання з тегом «regression»

Чи має значення перехресна ентропія в контексті регресії (на відміну від класифікації)? Якщо так, чи могли б ви навести приклад іграшки через TensorFlow? Якщо ні, то чому б і ні? Я читав про крос-ентропію в нейронних мережах та глибоке навчання Майкла Нільсена, і, здається, щось таке, що природно можна було …

14 regression  entropy  tensorflow  cross-entropy 

У Kahneman and Deaton (2010) автори пишуть наступне:††^\dagger Ця регресія пояснює 37% дисперсії із середньоквадратичною помилкою (RMSE) 0,67852. Для усунення збитків та неправдоподібних звітів про прибутки ми відхилили спостереження, в яких абсолютна величина різниці між доходами журналу та його прогнозом перевищила в 2,5 рази більше RMSE. Це звичайна практика? Яка …

13 regression  outliers 

Зараз я працюю над проблемою, за якою у нас є невеликий набір даних, і ми зацікавлені в ефекті причинності лікування на результат. Мій радник доручив мені виконати одноманітну регресію для кожного прогноктора з результатом як відповідь, потім призначення лікування як відповідь. Тобто, мене просять встановити регресію по одній змінній за …

13 regression  multivariate-analysis  model-selection  causality  univariate 

Регресія на не повинна бути причинною, якщо є опущені змінні, які впливають і на і на . Але якщо не для опущених змінних та помилки вимірювання, чи є причиною регресії? Тобто, якщо в регресію включена кожна можлива змінна?yyyxxxxxxyyy

13 regression  bias  causality 

Я читаю про найкращий вибір підмножини в книзі «Елементи статистичної книги». Якщо у мене є 3 предиктори , я створюю підмножини:2 3 = 8х1, х2, х3x1,x2,x3x_1,x_2,x_323= 823=82^3=8 Підмножина без прогнозів підмножина з предикторомх1x1x_1 підмножина з предикторомх2x2x_2 підмножина з предикторомх3x3x_3 підмножина з предикторамих1, х2x1,x2x_1,x_2 підмножина з предикторамих1, х3x1,x3x_1,x_3 підмножина з предикторамих2, …

13 regression  feature-selection  lasso  bias-variance-tradeoff 

Останнім часом мені довелося прочитати кілька робіт з економіки (сфера, з якою я не надто знайомий). Одне, що я помітив, - це те, що навіть коли змінна відповідь є бінарною, лінійні регресійні моделі, встановлені за допомогою OLS, є всюдисущими. Моє питання, таким чином: Чому перевагу надає лінійна регресія, наприклад, логістична …

13 regression  logistic  econometrics 

Я читав це запитання щодо широкомасштабної регресії ( посилання ), де Віктор зазначив цікавий момент: "Практично будь-який статистичний тест, який ви проводите, буде настільки потужним, що майже впевнено визначити" суттєвий "ефект. Вам потрібно значно більше зосередитися на статистичній важливості, наприклад, на розмірі ефекту, а не на значущості". --- блуд Мені …

13 regression  statistical-significance 

норма є унікальною (принаймні частково) , тому що знаходиться на кордоні між неопуклі і опуклі. норма є «найбільш розрідженим» опукла норма (правда?). p = 1 L 1L1L1L_1p=1p=1p=1L1L1L_1 Я розумію, що норма Евкліда має коріння в геометрії, і вона має чітку інтерпретацію, коли розміри мають однакові одиниці. Але я не розумію, …

13 regression  regularization  sparse 

Я знаю, що в лінійній регресії змінна відповідь повинна бути безперервною, але чому це так? Я не можу знайти щось в Інтернеті, що пояснює, чому я не можу використовувати дискретні дані для змінної відповіді.

13 regression  linear 

Невеликий фон Я працюю над інтерпретацією регресійного аналізу, але мене дуже розгублено щодо значення r, r квадрата та залишкового стандартного відхилення. Я знаю визначення: Характеристики r вимірює силу і напрямок лінійної залежності між двома змінними на розсіювачі R-квадрат - це статистичний показник того, наскільки близькі дані до встановленої лінії регресії. …

13 r  regression  regression-coefficients  linear  pearson-r 

У книзі Бішопа про машинне навчання він обговорює проблему притаманння кривої функції полінома до набору точок даних. Нехай M - порядок встановленого многочлена. У ньому йдеться про те Ми бачимо, що по мірі збільшення М величина коефіцієнтів зазвичай збільшується. Зокрема, для многочлена M = 9 коефіцієнти стали точно налаштовані на …

13 regression  least-squares  curve-fitting  polynomial 

Враховуючи дві випадкові величини та ми можемо обчислити їх "коефіцієнт кореляції" , і сформувати лінію, що найкраще підходить між цими двома випадковими змінними. Моє питання чому?η cξξ\xiηη\etaccc 1) Існують випадкові величини, та які залежать найгіршим можливим способом, тобто і незважаючи на це . Якщо б тільки думати по лінійній регресії, …

13 regression 

У статистичних методах наук про атмосферу Даніель Вілкс зазначає, що багаторазова лінійна регресія може призвести до проблем, якщо між предикторами є дуже сильні взаємозв'язки (3-е видання, стор. 559-560): Патологія, яка може виникати при множинній лінійній регресії, полягає в тому, що набір змінних прогнозів, що мають сильні взаємні кореляції, може призвести …

13 regression  pca  bias 

Збентежуюче просте запитання - але, схоже, його раніше не було поставлено на перехресну перевірку: Що таке визначення регресійної моделі? Також питання підтримки, Що не є регресійною моделлю? Що стосується останнього, мене цікавлять хитрі приклади, коли відповідь не відразу очевидна, наприклад, ARIMA або GARCH.

13 regression  linear-model  model  terminology  definition 

Це питання викликане довгим обговоренням у коментарях тут: Як лінійна регресія використовує нормальний розподіл? У звичайній лінійної регресійної моделі, для простоти тут написана тільки один провісник: Yi= β0+ β1хi+ ϵiYi=β0+β1xi+ϵi Y_i = \beta_0 + \beta_1 x_i + \epsilon_i , де хixix_i відомі константи і & ϵiϵi\epsilon_i дорівнюють нулю, середні незалежні …

13 regression  normal-distribution  mathematical-statistics  maximum-likelihood  least-squares