Statistiques et Big Data regression

3

Comment tester l'autocorrélation des résidus?

J'ai une matrice avec deux colonnes qui ont beaucoup de prix (750). Dans l'image ci-dessous, j'ai tracé les résidus de la régression linéaire suivante: lm(prices[,1] ~ prices[,2]) En regardant l'image, cela semble être une très forte autocorrélation des résidus. Cependant, comment puis-je tester si l'autocorrélation de ces résidus est forte? …

23 r regression correlation autocorrelation

4

Faut-il supprimer les cas signalés comme aberrants par les logiciels statistiques lors de la régression multiple?

J'effectue plusieurs analyses de régression et je ne sais pas si les valeurs aberrantes de mes données doivent être supprimées. Les données qui m'inquiètent apparaissent sous forme de «cercles» sur les boîtes à moustaches SPSS, mais il n'y a pas d'astérisques (ce qui me fait penser qu'elles ne sont pas …

23 regression outliers

3

Un élevé est-il jamais inutile?

Cette question a été migrée depuis Stack Overflow car il est possible d'y répondre lors de la validation croisée. Migré il y a 4 ans . Dans les statistiques, nous faisons des régressions linéaires, leurs tout débuts. En général, nous savons que plus le élevé , mieux c'est, mais existe-t-il …

23 regression r-squared

2

Pourquoi Laplace produit-elle avant des solutions éparses?

Je regardais à travers la littérature sur la régularisation, et je vois souvent des paragraphes qui relient la régulation de L2 à Gaussian prior, et L1 à Laplace centrée sur zéro. Je sais à quoi ressemblent ces priors, mais je ne comprends pas comment cela se traduit, par exemple, par …

23 regression bayesian prior regularization laplace-distribution

2

Forêts aléatoires pour la régression multivariée

J'ai un problème de régression multi-sorties avec fonctions d'entrée et sorties. Les sorties ont une structure de corrélation complexe et non linéaire.d yréXdxd_xréydyd_y Je voudrais utiliser des forêts aléatoires pour faire la régression. Pour autant que je sache, les forêts aléatoires pour la régression ne fonctionnent qu'avec une seule sortie, …

23 regression multivariate-analysis random-forest

7

Estimation d'une distribution basée sur trois centiles

Quelles méthodes puis-je utiliser pour déduire une distribution si je ne connais que trois centiles? Par exemple, je sais que dans un certain ensemble de données, le cinquième centile est 8 135, le 50e centile est 11 259 et le 95e centile est 23 611. Je veux pouvoir passer d'un …

23 r regression quantiles

2

Comment trouvez-vous des poids pour la régression des moindres carrés pondérés?

Je suis un peu perdu dans le processus de régression WLS. On m'a donné un ensemble de données et ma tâche consiste à tester s'il existe une hétéroscédascité, et si c'est le cas, je dois exécuter une régression WLS. J'ai effectué le test et trouvé des preuves d'hétéroscédascité, j'ai donc …

23 regression heteroscedasticity weighted-regression

6

Gérer les régresseurs corrélés

Dans une régression linéaire multiple avec des régresseurs fortement corrélés, quelle est la meilleure stratégie à utiliser? Est-ce une approche légitime d'ajouter le produit de tous les régresseurs corrélés?

23 regression multicollinearity

5

Lorsque A et B sont des variables positivement liées, peuvent-elles avoir un effet opposé sur leur variable de résultat C?

A est positivement lié à B. C est le résultat de A et B, mais l'effet de A sur C est négatif et l'effet de B sur C est positif. Cela peut-il arriver?

22 regression correlation

1

Pénalité de bridge vs régularisation d'Elastic Net

Certaines fonctions de pénalité et approximations sont bien étudiées, comme le LASSO ( L1L1L_1 ) et le Ridge ( L2L2L_2 ) et comment elles se comparent en régression. ∑∥βj∥γ∑‖βj‖γ\sum \|\beta_{j}\|^{\gamma}γ=1γ=1\gamma = 1γ=2γ=2\gamma = 2 Wenjiang [ 1 ] a comparé la pénalité Bridge quand γ≥1γ≥1\gamma \geq 1 au LASSO, mais …

22 regression lasso regularization ridge-regression elastic-net

2

Qu'est-ce que la «régression à rang réduit»?

J'ai lu Les éléments de l'apprentissage statistique et je ne pouvais pas comprendre en quoi consiste la section 3.7 «Réduction et sélection des résultats multiples». Il parle de RRR (régression à rang réduit), et je peux seulement comprendre que la prémisse concerne un modèle linéaire multivarié généralisé où les coefficients …

22 regression multivariate-analysis dimensionality-reduction regularization reduced-rank-regression

2

Calcul de l'algèbre linéaire pas à pas par régression des moindres carrés

En guise de préquelle à une question sur les modèles mixtes linéaires dans R, et à partager comme référence pour les aficionados de statistiques débutants / intermédiaires, j'ai décidé de publier en tant que "style Q&A" indépendant les étapes impliquées dans le calcul "manuel" du coefficients et valeurs prédites d'une …

22 r regression linear-model lm

2

Comment fonctionne réellement l'amorçage dans R?

J'ai étudié le package de démarrage dans R et bien que j'aie trouvé un certain nombre de bonnes amorces sur la façon de l'utiliser, je n'ai encore rien trouvé qui décrive exactement ce qui se passe "dans les coulisses". Par exemple, dans cet exemple , le guide montre comment utiliser …

22 r regression bootstrap regression-coefficients

2

Régression pour un modèle de forme ?

J'ai un ensemble de données qui est des statistiques provenant d'un forum de discussion Web. J'examine la distribution du nombre de réponses qu'un sujet devrait avoir. En particulier, j'ai créé un ensemble de données qui contient une liste de nombres de réponses de sujets, puis le nombre de sujets qui …

22 r regression nonlinear-regression

3

Stabilité du modèle face à un grand problème

Intro: J'ai un ensemble de données avec un problème classique "grand p, petit n". Le nombre d'échantillons disponibles n = 150 tandis que le nombre de prédicteurs possibles p = 400. Le résultat est une variable continue. Je veux trouver les descripteurs les plus "importants", c'est-à-dire ceux qui sont les …

22 regression cross-validation model-selection feature-selection elastic-net

Questions marquées «regression»