Запитання з тегом «regression»

Перетворюючи змінні, чи потрібно вам використовувати одне й те саме перетворення? Наприклад, чи можу я вибрати і вибрати різні змінені змінні, як у: Нехай, - вік, тривалість роботи, тривалість проживання та дохід.x1,x2,x3x1,x2,x3x_1,x_2,x_3 Y = B1*sqrt(x1) + B2*-1/(x2) + B3*log(x3) Або ви повинні бути узгоджені зі своїми перетвореннями і використовувати все …

41 r  regression  logistic  data-transformation 

Я визнаю, що я відносно новачок у показниках схильності та причинному аналізі. Одне, що не очевидно для мене як для новачків, - це те, як «врівноваження» за допомогою балів схильності математично відрізняється від того, що відбувається, коли ми додаємо коваріати в регресію? Що відрізняється від операції, і чому це (або …

41 regression  multivariate-analysis  causality  propensity-scores 

У мене виникають деякі проблеми з виведенням рішення для регресії хребта. Я знаю рішення регресії без терміну регуляризації: β=(XTX)−1XTy.β=(XTX)−1XTy.\beta = (X^TX)^{-1}X^Ty. Але після додавання терміна L2 до функції витрат, яким чином стає рішеннямλ∥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 

Хтось знає, як опрацювати, чи бали 7, 16 та 29 є впливовими пунктами чи ні? Я десь читав, що оскільки відстань Кука нижча за 1, вони не є. Чи правий я?

40 r  regression  residuals  diagnostic  cooks-distance 

Я постійно читаю про випадки, коли ми центруємо дані (наприклад, з регуляризацією або PCA), щоб видалити перехоплення (про що йдеться в цьому питанні ). Я знаю, що це просто, але мені важко інтуїтивно зрозуміти це. Чи міг би хтось надати інтуїцію чи довідку, яку я можу прочитати?

40 regression  pca  centering 

У моєму розрахунку для моделі є кілька коваріатів, і не всі вони є статистично значимими. Чи слід видаляти ті, що їх немає? Це питання обговорює явище, але не відповідає на моє запитання: Як інтерпретувати несуттєвий ефект коваріату в ANCOVA? У відповіді на це запитання немає нічого, що говорить про те, …

39 regression  statistical-significance  ancova  model  predictor 

Регресія з найменшим кутом і ласо мають тенденцію до отримання дуже схожих контурів регуляризації (однакові за винятком випадків, коли коефіцієнт перетинає нуль.) Вони обидва можуть ефективно підходити за допомогою практично однакових алгоритмів. Чи є коли-небудь практичні причини віддати перевагу одному методу перед іншим?

39 regression  lasso 

Моє запитання: чи потрібно нам стандартизувати набір даних, щоб переконатися, що всі змінні мають однакову шкалу між [0,1], перш ніж підходити до логістичної регресії. Формула така: хi- хв ( х)i)макс ( х)i) - хв ( хi)xi−min(xi)max(xi)−min(xi)\frac{x_i-\min(x_i)}{\max(x_i)-\min(x_i)} У моєму наборі даних є дві змінні, вони описують одне і те ж для …

39 regression  logistic  standardization 

Якщо поліноміальна регресія моделює нелінійні зв’язки, як це можна вважати особливим випадком множинної лінійної регресії? У Вікіпедії зазначається, що «Хоча поліноміальна регресія відповідає нелінійній моделі даним, однак проблема статистичного оцінювання є лінійною, в тому сенсі, що функція регресії лінійна в невідомих параметрах, що оцінюються з даних ".Е (у| х)E(y|x)\mathbb{E}(y | …

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

Я помітив, що в R, Пуассоні та негативних біноміальних регресіях, здається, завжди відповідають однакові коефіцієнти для категоричних, але не безперервних предикторів. Наприклад, ось регресія з категоричним прогноктором: 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)) Ось приклад з неперервним …

38 regression  negative-binomial  poisson-regression 

Я роблю багатоваріантну регресію Кокса, у мене є значні незалежні змінні та бета-значення. Модель дуже добре підходить до моїх даних. Тепер я хотів би використати свою модель і передбачити виживання нового спостереження. Мені незрозуміло, як це зробити з моделлю Кокса. У лінійній чи логістичній регресії було б просто, просто покладіть …

38 regression  survival  prediction  cox-model 

Я намагаюся запустити регресію OLS: DV: Зміна ваги за рік (початкова вага - кінцева вага) IV: Ви чи не займаєтеся фізичними вправами. Однак здається розумним, що важчі люди втратять більше ваги за одиницю фізичних вправ, ніж худі люди. Таким чином, я хотів включити контрольну змінну: CV: Початковий стартовий вага. Однак …

38 regression  repeated-measures  least-squares  change-scores 

Я досить новий у цьому тесті з біноміальними даними, але мені потрібно було зробити це, і тепер я не знаю, як інтерпретувати результат. Y-змінна, змінна відповіді, є біноміальною, а пояснювальні фактори - безперервними. Ось що я отримав під час підведення підсумків: glm(formula = leaves.presence ~ Area, family = binomial, data …

38 r  regression  logistic  binomial  interpretation 

У простій лінійній регресії маємо y=β0+β1x+uy=β0+β1x+uy = \beta_0 + \beta_1 x + u , де u∼iidN(0,σ2)u∼iidN(0,σ2)u \sim iid\;\mathcal N(0,\sigma^2) . Я отримав оцінювач: β1^=∑i(xi−x¯)(yi−y¯)∑i(xi−x¯)2 ,β1^=∑i(xi−x¯)(yi−y¯)∑i(xi−x¯)2 , \hat{\beta_1} = \frac{\sum_i (x_i - \bar{x})(y_i - \bar{y})}{\sum_i (x_i - \bar{x})^2}\ , деx¯x¯\bar{x} іy¯y¯\bar{y} - вибіркові засобиxxxіyyy. Тепер я хочу , щоб знайти дисперсію …

38 regression  mathematical-statistics  variance  linear-model  regression-coefficients 

TL, DR: Схоже, що, всупереч часто повторюваним порадам, перехресне підтвердження виходу-один-один (LOO-CV) - тобтократне CV з(кількість складок), що дорівнює(число навчальних спостережень) - дає оцінку похибки узагальнення, яка є найменшою змінною для будь-якого, не найбільш змінною, припускаючи певнуумову стабільності або моделі / алгоритму, набору даних, або обох (я не впевнений, який …

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