Statistiques et Big Data regression

2

J'essaie de comprendre comment fonctionnent les fonctions d'influence. Quelqu'un pourrait-il expliquer dans le contexte d'une simple régression OLS yje= α + β⋅ xje+ εjeyje=α+β⋅Xje+εje\begin{equation} y_i = \alpha + \beta \cdot x_i + \varepsilon_i \end{equation} où je veux la fonction d'influence pour .ββ\beta

15 regression least-squares

5

Comment puis-je calculer si ma régression linéaire présente une différence statistiquement significative par rapport à une droite théorique connue?

J'ai quelques données qui sont ajustées le long d'une ligne à peu près linéaire: Lorsque je fais une régression linéaire de ces valeurs, j'obtiens une équation linéaire: y=0.997x−0.0136y=0.997x−0.0136y = 0.997x-0.0136 Dans un monde idéal, l'équation devrait être y=xy=xy = x . De toute évidence, mes valeurs linéaires sont proches de …

14 regression hypothesis-testing statistical-significance

5

Pourquoi la régression linéaire utilise-t-elle une fonction de coût basée sur la distance verticale entre l'hypothèse et le point de données d'entrée?

Disons que nous avons les points de données d'entrée (prédicteur) et de sortie (réponse) A, B, C, D, E et que nous voulons ajuster une ligne à travers les points. Il s'agit d'un problème simple pour illustrer la question, mais il peut également être étendu à des dimensions plus élevées. …

14 regression linear fitting cost-maximization

5

Qu'est-ce que cela signifie qu'une régression linéaire soit statistiquement significative mais a un très faible r au carré?

Je comprends que cela signifie que le modèle est mauvais pour prédire des points de données individuels, mais a établi une tendance ferme (par exemple, y augmente lorsque x augmente).

14 regression inference r-squared linear

2

Pourquoi la régression linéaire a une hypothèse sur le modèle linéaire résiduel mais généralisé a des hypothèses sur la réponse?

Pourquoi la régression linéaire et le modèle généralisé ont des hypothèses incohérentes? Dans la régression linéaire, nous supposons que le résiduel vient de la forme gaussienne Dans d'autres régressions (régression logistique, régression empoisonnée), nous supposons que la réponse provient d'une certaine distribution (binôme, poission, etc.). Pourquoi parfois supposer un temps …

14 regression generalized-linear-model assumptions linear

3

Pourquoi est-il valable de dissuader les séries chronologiques de régression?

Cela peut être une question étrange du tout, mais en tant que novice sur le sujet, je me demande pourquoi utilisons-nous la régression pour détrôner une série chronologique si l'une des hypothèses de la régression est que les données devraient iid tandis que les données sur lesquelles la régression est …

14 regression time-series trend iid

2

Étant donné deux modèles de régression linéaire, quel modèle fonctionnerait mieux?

J'ai suivi un cours d'apprentissage automatique à mon collège. Dans l'un des questionnaires, cette question a été posée. Modèle 1: y=θx+ϵy=θx+ϵ y = \theta x + \epsilon Modèle 2: y=θx+θ2x+ϵy=θx+θ2x+ϵ y = \theta x + \theta^2 x + \epsilon Lequel des modèles ci-dessus correspondrait mieux aux données? (supposons que les …

14 regression machine-learning self-study modeling model

4

Pourquoi

Remarque: SSTSSTSST = somme des carrés au total, SSESSESSE = somme des erreurs au carré et SSRSSRSSR = somme des carrés de régression. L'équation dans le titre est souvent écrite comme suit: ∑i=1n(yi−y¯)2=∑i=1n(yi−y^i)2+∑i=1n(y^i−y¯)2∑i=1n(yi−y¯)2=∑i=1n(yi−y^i)2+∑i=1n(y^i−y¯)2\sum_{i=1}^n (y_i-\bar y)^2=\sum_{i=1}^n (y_i-\hat y_i)^2+\sum_{i=1}^n (\hat y_i-\bar y)^2 Question assez simple, mais je cherche une explication intuitive. Intuitivement, …

14 regression least-squares r-squared

2

Comment lisser les données et forcer la monotonie

J'ai quelques données que je voudrais lisser pour que les points lissés diminuent de façon monotone. Mes données diminuent fortement puis commencent à se stabiliser. Voici un exemple utilisant R df <- data.frame(x=1:10, y=c(100,41,22,10,6,7,2,1,3,1)) ggplot(df, aes(x=x, y=y))+geom_line() Quelle bonne technique de lissage pourrais-je utiliser? De plus, ce serait bien si …

14 regression smoothing

3

Réseaux de neurones profonds - Juste pour la classification des images?

Tous les exemples que j'ai trouvés en utilisant des réseaux de neurones de croyance profonde ou convolutionnels les utilisent pour la classification d'images, la détection de chatacter ou la reconnaissance vocale. Les réseaux de neurones profonds sont-ils également utiles pour les tâches de régression classiques, où les caractéristiques ne sont …

14 regression machine-learning neural-networks deep-learning

1

Pourquoi les modèles à effets mixtes résolvent-ils la dépendance?

Imaginons que nous nous intéressions à la façon dont les notes des étudiants sont affectées par le nombre d'heures que ces étudiants étudient. Pour explorer cette relation, nous pourrions exécuter la régression linéaire suivante: exam.gradesi=a+β1×hours.studiedi+eiexam.gradesi=a+β1×hours.studiedi+ei \text{exam.grades}_i = a + \beta_1 \times \text{hours.studied}_i + e_i Mais si nous échantillonnons des élèves …

14 regression mixed-model random-effects-model non-independent

2

GLM: vérification d'un choix de distribution et fonction de lien

J'ai un modèle linéaire généralisé qui adopte une distribution gaussienne et une fonction de liaison logarithmique. Après avoir ajusté le modèle, je vérifie les résidus: tracé QQ, résidus vs valeurs prédites, histogramme des résidus (reconnaissant qu'il faut faire preuve de prudence). Tout a l'air bien. Cela semble suggérer (pour moi) …

14 regression generalized-linear-model link-function

1

De exp (coefficients) à Odds Ratio et leur interprétation en régression logistique avec facteurs

J'ai effectué une régression linéaire de l'acceptation à l'université par rapport aux scores SAT et à l'origine familiale / ethnique. Les données sont fictives. Il s'agit d'un suivi d'une question précédente, déjà répondu. La question se concentre sur la collecte et l'interprétation des rapports de cotes lorsque l'on laisse les …

14 r regression logistic

2

Que signifie régresser une variable contre une autre

Quand nous disons, pour régresser contre , voulons-nous dire que est la variable indépendante et Y la variable dépendante? c'est-à-dire .YYYXXXXXXY=aX+bY=aX+bY =aX + b

14 regression terminology

5

Que sont exactement les données censurées?

J'ai lu différentes descriptions de données censurées: A) Comme expliqué dans ce fil, les données non quantifiées inférieures ou supérieures à un certain seuil sont censurées. Non quantifié signifie que les données sont supérieures ou inférieures à un certain seuil, mais nous ne connaissons pas la valeur exacte. Les données …

14 regression terminology censoring

Questions marquées «regression»