Запитання з тегом «regression»

Мій колега хоче проаналізувати деякі дані після перетворення змінної відповіді, піднявши її до потужності (тобтоу0,125).1818\frac18у0,125у0,125y^{0.125} Мені це незручно, але я намагаюся сформулювати чому. Я не можу придумати жодного механістичного обгрунтування цієї трансформації. Також я ніколи не бачив цього раніше, і я переживаю, що, можливо, це завищує коефіцієнти помилок типу I …

12 regression  data-transformation  aic 

Закрито . Це питання ґрунтується на думці . Наразі відповіді не приймаються. Хочете вдосконалити це питання? Оновіть питання, щоб на нього можна було відповісти фактами та цитатами, відредагувавши цю публікацію . Закрито 2 роки тому . Зараз я перебуваю в класі лінійної регресії, але не можу похитнутись від того, що …

12 regression  machine-learning  linear  teaching 

Як насправді працює оцінка параметрів / Навчання логістичній регресії? Я спробую поставити те, що у мене поки що. Вихід - y вихід логістичної функції у вигляді ймовірності залежно від значення x: P(y=1|x)=11+e−ωTx≡σ(ωTx)P(y=1|x)=11+e−ωTx≡σ(ωTx)P(y=1|x)={1\over1+e^{-\omega^Tx}}\equiv\sigma(\omega^Tx) P(y=0|x)=1−P(y=1|x)=1−11+e−ωTxP(y=0|x)=1−P(y=1|x)=1−11+e−ωTxP(y=0|x)=1-P(y=1|x)=1-{1\over1+e^{-\omega^Tx}} Для одного виміру так звані коефіцієнти визначаються наступним чином: p(y=1|x)1−p(y=1|x)=p(y=1|x)p(y=0|x)=eω0+ω1xp(y=1|x)1−p(y=1|x)=p(y=1|x)p(y=0|x)=eω0+ω1x{{p(y=1|x)}\over{1-p(y=1|x)}}={{p(y=1|x)}\over{p(y=0|x)}}=e^{\omega_0+\omega_1x} Тепер додаємо logфункції для отримання W_0 та …

12 regression  logistic  likelihood 

Я читаю багатоваріантну побудову моделей: прагматичний підхід до регресійного аналізу на основі дробових поліномів моделювання безперервних змінних Патріка Ройстона та Віллі Зауербрей. Поки що я вражений, і цікавий підхід я раніше не розглядав. Але автори не мають справу з відсутніми даними. Дійсно, на с. 17 вони кажуть, що відсутні дані …

12 regression  missing-data  fractional-polynomial 

Існує кілька публікацій про те, як вибрати функції. Один із методів описує важливість функції на основі t-статистики. У R, varImp(model)застосованому на лінійній моделі зі стандартизованими ознаками, використовується абсолютне значення t-статистики для кожного параметра моделі. Таким чином, ми в основному вибираємо особливість на основі її t-статистики, тобто наскільки точним є коефіцієнт. …

12 regression  p-value  feature-selection 

Я вивчав лінійну регресію і спробував її на нижньому наборі {(x, y)}, де x вказав площу будинку в квадратних футах, а y вказав ціну в доларах. Це перший приклад у Ендрю Нґ Нотатки . 2104,400 1600,330 2400,369 1416,232 3000,540 Я розробив зразок коду, але коли я його запускаю, вартість збільшується …

12 regression  least-squares  gradient-descent  supervised-learning 

аргхвшL ( w ) = ∑нi = 1| уi- шТх |арг⁡хвшL(ш)=∑i=1н|уi-шТх| \underset{\textbf{w}}{\arg\min} L(w)=\sum_{i=1}^{n}|y_{i}-\textbf{w}^T\textbf{x}| хв ∑нi = 1уiхв∑i=1нуi\min \sum_{i=1}^{n}u_{i} уi≥ xТш - уii = 1 , … , nуi≥хТш-уii=1,…,нu_i \geq \textbf{x}^T\textbf{w}- y_{i} \; i = 1,\ldots,n уi≥ - ( хТш - уi)i = 1 , … , nуi≥-(хТш-уi)i=1,…,нu_i \geq -\left(\textbf{x}^T\textbf{w}-y_{i}\right) \; …

12 regression  optimization  quantile-regression  linear-programming  least-absolute-deviations 

Поміркований регресійний аналіз часто використовується в соціальних науках для оцінки взаємодії двох або більше предикторів / коваріатів. Як правило, з двома змінними прогностики застосовується наступна модель: Y=β0+β1∗X+β2∗M+β3∗XM+eY=β0+β1∗X+β2∗M+β3∗XM+eY = β_0 + β_1*X + β_2*M + β_3*XM + e Зауважте, що тест на помірність оперують продуктовим терміном XMXMXM (множенням між незалежною змінною …

12 regression  interaction 

Zou та ін. "Про" ступені свободи "ласо" (2007) показують, що кількість ненульових коефіцієнтів є неупередженою і послідовною оцінкою ступенів свободи ласо. Мені це здається трохи протизаконним. Припустимо, ми маємо регресійну модель (де значення змінних дорівнюють нулю) у= βx + ε .y=βx+ε.y=\beta x + \varepsilon. Припустимо, необмежена оцінка OLS становить . …

12 regression  lasso  degrees-of-freedom  shrinkage 

Що таке приклад ідеальної колінеарності з точки зору дизайнерської матриці ?XXX Я хотів би приклад, коли неможливо оцінити, оскільки не є зворотним.β^=(X′X)−1X′Yβ^=(X′X)−1X′Y\hat \beta = (X'X)^{-1}X'Y(X′X)(X′X)(X'X)

12 regression  multicollinearity  matrix  matrix-inverse 

Якщо я не помиляюся, у лінійній моделі розподіл відповіді передбачається систематичним і випадковим компонентом. Термін помилки фіксує випадкову складову. Отже, якщо припустити, що термін помилки є нормально розподіленим, чи це не означає, що відповідь також нормально розподілений? Я думаю, що це так, але тоді такі заяви, як наведена нижче, здаються …

12 regression  assumptions 

Я зіткнувся з трьома пропозиціями розібратися із завищеною дисперсією змінної реакції Пуассона та всієї стартової моделі з фіксованими ефектами: Використовуйте квазі-модель; Використовуйте негативний біноміальний GLM; Використовуйте змішану модель з предметним випадковим ефектом. Але що насправді вибрати, і чому? Чи є серед них фактичний критерій?

12 regression  negative-binomial  poisson-regression  overdispersion  quasi-likelihood 

В даний час я навчаю себе, як робити класифікацію, і конкретно розглядаю три методи: підтримку векторних машин, нейронні мережі та логістичну регресію. Я намагаюся зрозуміти, чому логістична регресія коли-небудь буде краще, ніж інші дві. З мого розуміння логістичної регресії, ідея полягає у пристосуванні логістичної функції до всіх даних. Отже, якщо …

12 regression  machine-learning  logistic  classification  regression-strategies 

Я думав, що розумію це питання, але зараз я не такий впевнений і хотів би поговорити з іншими, перш ніж продовжувати. У мене є дві змінні, Xі Y. Yє співвідношенням, і воно не обмежене 0 і 1 і, як правило, нормально розподілене. Xє пропорцією, і вона обмежена 0 і 1 …

12 r  regression  data-transformation  nonlinear-regression  proportion 

Я зробив вимірювань двох змінних і . Вони обоє мають відомі невизначеності та пов'язані з ними. Я хочу знайти співвідношення між і . Як я можу це зробити?x y σ x σ y x yнnnхxxуyyσхσx\sigma_xσуσy\sigma_yхxxуyy EDIT : кожен має різні пов'язані з ним, і те ж саме, що і .σ …

12 r  regression  deming-regression