Statistiques et Big Data regression

2

Notation matricielle pour la régression logistique

En régression linéaire (perte au carré), en utilisant la matrice, nous avons une notation très concise pour l'objectif minimize ∥Ax−b∥2minimize ‖Ax−b‖2\text{minimize}~~ \|Ax-b\|^2 Où AAA est la matrice de données, xxx est les coefficients et bbb est la réponse. Existe-t-il une notation matricielle similaire pour l'objectif de régression logistique? Toutes les …

15 regression logistic linear-model notation

2

Régression pas à pas dans R - Comment ça marche?

J'essaie de comprendre la différence de base entre la régression pas à pas et la régression vers l'arrière dans R en utilisant la fonction step. Pour la régression pas à pas, j'ai utilisé la commande suivante step(lm(mpg~wt+drat+disp+qsec,data=mtcars),direction="both") J'ai obtenu la sortie ci-dessous pour le code ci-dessus. Pour la sélection des …

15 r regression

3

Faut-il vraiment inclure "tous les prédicteurs pertinents?"

Une hypothèse de base de l'utilisation de modèles de régression pour l'inférence est que «tous les prédicteurs pertinents» ont été inclus dans l'équation de prédiction. La justification est que le fait de ne pas inclure un facteur important du monde réel conduit à des coefficients biaisés et donc à des …

15 regression assumptions bias predictor confounding

3

Pour les classificateurs linéaires, des coefficients plus importants impliquent-ils des caractéristiques plus importantes?

Je suis un ingénieur logiciel travaillant sur l'apprentissage automatique. D'après ma compréhension, la régression linéaire (comme OLS) et la classification linéaire (comme la régression logistique et SVM) font une prédiction basée sur un produit interne entre les coefficients formés et les variables caractéristiques :w⃗ w→\vec{w}x⃗ x→\vec{x} y^=f(w⃗ ⋅x⃗ )=f(∑iwixi)y^=f(w→⋅x→)=f(∑iwixi) \hat{y} …

15 regression machine-learning classification feature-selection linear-model

1

J'ai une ligne de meilleur ajustement. J'ai besoin de points de données qui ne changeront pas ma ligne de meilleur ajustement

Je fais une présentation sur l'ajustement des lignes. J'ai une fonction linéaire simple, . J'essaie d'obtenir des points de données dispersées que je peux mettre dans un nuage de points qui maintiendra ma ligne de meilleur ajustement dans la même équation.y=1x+by=1x+by=1x+b Je serais ravi d'apprendre cette technique dans R ou …

15 r regression least-squares excel

3

Splines vs régression du processus gaussien

Je sais que la régression de processus gaussienne (GPR) est une alternative à l'utilisation de splines pour ajuster des modèles flexibles non linéaires. Je voudrais savoir dans quelles situations l'une serait plus appropriée que l'autre, notamment dans le cadre de régression bayésienne. J'ai déjà examiné quels sont les avantages / …

15 regression gaussian-process splines kriging

1

Meilleure façon de présenter visuellement des relations à partir d'un modèle linéaire multiple

J'ai un modèle linéaire avec environ 6 prédicteurs et je vais présenter les estimations, les valeurs F, les valeurs p, etc. Cependant, je me demandais quel serait le meilleur tracé visuel pour représenter l'effet individuel d'un seul prédicteur sur la variable de réponse? Scatterplot? Tracé conditionnel? Tracé d'effets? etc? Comment …

15 r regression data-visualization multiple-regression partial-plot

2

Comment faire une régression avec un codage d'effet au lieu d'un codage factice dans R?

Je travaille actuellement sur un modèle de régression où je n'ai que des variables catégorielles / factorielles comme variables indépendantes. Ma variable dépendante est un rapport transformé logit. Il est assez facile d'exécuter une régression normale dans R, car R sait automatiquement coder les nuls dès qu'ils sont du type …

15 r regression categorical-data categorical-encoding

2

Régression linéaire multiple pour le test d'hypothèse

Je connais bien l'utilisation de régressions linéaires multiples pour créer des modèles de diverses variables. Cependant, j'étais curieux de savoir si des tests de régression sont jamais utilisés pour effectuer une sorte de test d'hypothèse de base. Si oui, à quoi ressembleraient ces scénarios / hypothèses?

15 regression hypothesis-testing multiple-regression

2

Si je répète chaque observation d'échantillon dans un modèle de régression linéaire et que je réexécute la régression, comment le résultat serait-il affecté?

Disons que j'ai N observations, éventuellement plusieurs facteurs et je répète chaque observation deux fois (ou M fois) comment une régression sur ce nouvel ensemble de taille NM se comparerait-elle à une régression sur les observations originales uniquement?

15 regression linear-model multiple-regression

4

Mise à jour efficace de la régression linéaire lors de l'ajout d'observations et / ou de prédicteurs dans R

Je serais intéressé à trouver des moyens dans R pour mettre à jour efficacement un modèle linéaire lorsqu'une observation ou un prédicteur est ajouté. biglm a une capacité de mise à jour lors de l'ajout d'observations, mais mes données sont suffisamment petites pour résider en mémoire (même si j'ai un …

15 r regression computational-statistics linear-model

3

Quand utiliser un GAM vs GLM

Je me rends compte que cela peut être une question potentiellement large, mais je me demandais s'il existe des hypothèses généralisables qui indiquent l'utilisation d'un GAM (modèle additif généralisé) par rapport à un GLM (modèle linéaire généralisé)? Quelqu'un m'a récemment dit que les GAM ne devraient être utilisés que lorsque …

15 regression generalized-linear-model gam

2

Calcul des intervalles de confiance pour une régression logistique

J'utilise une régression logistique binomiale pour identifier si l'exposition à has_xou has_yaffecte la probabilité qu'un utilisateur clique sur quelque chose. Mon modèle est le suivant: fit = glm(formula = has_clicked ~ has_x + has_y, data=df, family = binomial()) Voici la sortie de mon modèle: Call: glm(formula = has_clicked ~ has_x …

15 regression logistic standard-error logit

1

Quelle méthode de comparaison multiple utiliser pour un modèle lmer: lsmeans ou glht?

J'analyse un ensemble de données à l'aide d'un modèle à effets mixtes avec un effet fixe (condition) et deux effets aléatoires (participant en raison de la conception et de la paire du sujet). Le modèle a été généré avec le lme4package: exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp). Ensuite, j'ai effectué un test de rapport de …

15 r repeated-measures multiple-comparisons post-hoc lsmeans bayesian posterior marginal integral anova time-series regularization machine-learning pca computational-statistics references inference regression cross-validation python random-forest chi-squared spearman-rho r machine-learning confidence-interval bagging clustering feature-selection model-selection bic hypothesis-testing kurtosis r regression residuals terminology

3

Utilité du théorème de Frisch-Waugh

Je suis censé enseigner le théorème de Frish Waugh en économétrie, que je n'ai pas étudié. J'ai compris les mathématiques et j'espère que l'idée aussi "le coefficient que vous obtenez pour un coefficient particulier à partir d'un modèle linéaire multiple est égal au coefficient du modèle de régression simple si …

15 regression econometrics least-squares projection decomposition

Questions marquées «regression»