Questions marquées «multiple-regression»

Régression comprenant au moins deux variables indépendantes non constantes.

1
Quel modèle d'apprentissage en profondeur peut classer des catégories qui ne s'excluent pas mutuellement
Exemples: J'ai une phrase dans la description de poste: "Java senior engineer in UK". Je veux utiliser un modèle d'apprentissage profond pour le prédire en 2 catégories: English et IT jobs. Si j'utilise un modèle de classification traditionnel, il ne peut prédire qu'une seule étiquette avec softmaxfonction à la dernière …
9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 
1
Espace de données, espace variable, espace d'observation, espace modèle (par exemple en régression linéaire)
Supposons que nous ayons la matrice de données , qui est par- , et le vecteur d'étiquette , qui est -par-un. Ici, chaque ligne de la matrice est une observation, et chaque colonne correspond à une dimension / variable. (supposez )XX\mathbf{X}nnnpppOuiOuiYnnnn > pn>pn>p Alors qu'est-ce que data space, variable space, …
1
Les contours
Je suppose une configuration générale de régression, c'est-à-dire qu'une fonction continue est choisie dans une famille pour s'adapter aux données données ( peut être n'importe quel espace tel que cube ou en fait tout espace topologique raisonnable) selon certains critères naturels.hθ: X→ Rnhθ:X→Rnh_\theta:X\to \mathbb R^n{ hθ}θ{hθ}θ\{h_\theta\}_\theta( xje, yje) ∈ X× …
2
Problème de calcul, d'interprétation des sous-ensembles de regs et questions générales sur la procédure de sélection de modèle
Je souhaite sélectionner des modèles à l'aide de regsubsets(). J'ai une trame de données appelée olympiadaten (données téléchargées: http://www.sendspace.com/file/8e27d0 ). J'attache d'abord ce dataframe puis commence à analyser, mon code est: attach(olympiadaten) library(leaps) a<-regsubsets(Gesamt ~ CommunistSocialist + CountrySize + GNI + Lifeexp + Schoolyears + ExpMilitary + Mortality + PopPoverty …
2
Certains de mes prédicteurs sont à des échelles très différentes - dois-je les transformer avant d'ajuster un modèle de régression linéaire?
Je voudrais exécuter une régression linéaire sur un ensemble de données multidimensionnelles. Il existe des différences entre les différentes dimensions en termes de leur ordre de grandeur. Par exemple, la dimension 1 a généralement une plage de valeurs de [0, 1] et la dimension 2 a une plage de valeurs …
1
Modélisation d'une tendance spatiale par régression avec les
Je prévois d'inclure les coordonnées comme covariables dans l'équation de régression afin de s'adapter à la tendance spatiale qui existe dans les données. Après cela, je veux tester les résidus sur l'autocorrélation spatiale en variation aléatoire. J'ai plusieurs questions: Dois-je effectuer une régression linéaire dans laquelle seules les variables indépendantes …
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.