Statistiques et Big Data regression

2

Quelqu'un connaît-il la signification des effets partiels moyens? De quoi s'agit-il exactement et comment puis-je les calculer? Voici une référence qui pourrait vous aider.

12 regression count-data

2

Comment utiliser l'analyse des composants principaux pour sélectionner les variables à régresser?

J'utilise actuellement l'analyse des composants principaux pour sélectionner les variables à utiliser dans la modélisation. En ce moment, je fais des mesures A, B et C dans mes expériences - Ce que je veux vraiment savoir, c'est: Puis-je faire moins de mesures et arrêter l'enregistrement de C et ou B …

12 regression pca model-selection

1

Homoscédasticité conditionnelle vs hétéroscédasticité

De l' économétrie , par Fumio Hayashi (Chpt 1): Homoskedasticité inconditionnelle: Le deuxième moment des termes d'erreur E (εᵢ²) est constant à travers les observations La forme fonctionnelle E (εᵢ² | xi) est constante à travers les observations Homoskedasticité conditionnelle: La restriction selon laquelle le deuxième moment des termes d'erreur …

12 regression econometrics heteroscedasticity assumptions

2

Test de la différence AIC de deux modèles non imbriqués

L'intérêt de l'AIC ou de tout autre critère d'information est que moins c'est mieux. Donc, si j'ai deux modèles M1: y = a0 + XA + e et M2: y = b0 + ZB + u, et si l'AIC du premier (A1) est inférieur à celui du second (A2), alors …

12 regression aic

1

Test d'équivalence des modèles non imbriqués

Disons que est une fonction linéaire de x et un d factice . Mon hypothèse est que d elle - même est comme un indice hédoniste d'un vecteur d'autres variables, Z . J'ai un support pour cela dans un M A N O V A de Z (ie z 1 …

12 r hypothesis-testing regression model-selection

2

GLM après sélection ou régularisation du modèle

Je voudrais poser cette question en deux parties. Les deux traitent d'un modèle linéaire généralisé, mais le premier traite de la sélection du modèle et les autres de la régularisation. Contexte: J'utilise des modèles GLM (linéaire, logistique, régression gamma) à la fois pour la prédiction et pour la description. Quand …

12 regression model-selection regularization

3

Puis-je utiliser la régression multiple lorsque j'ai des prédicteurs catégoriels et continus mixtes?

Il semble que vous puissiez utiliser le codage pour une variable catégorielle, mais j'ai deux variables prédictives catégoriques et une variable prédictive continue. Puis-je utiliser la régression multiple pour cela dans SPSS et si oui, comment? Merci!

12 regression spss categorical-data continuous-data

3

Comprendre la régression SVM: fonction objective et «planéité»

Les SVM pour la classification ont un sens intuitif pour moi: je comprends comment minimiser donne la marge maximale. Cependant, je ne comprends pas cet objectif dans le contexte de la régression. Divers textes ( ici et ici ) décrivent cela comme maximisant la «planéité». Pourquoi voudrions-nous faire ça? Qu'est-ce …

12 regression svm

2

Descente coordonnée pour le lasso ou le filet élastique

Existe-t-il de bons articles ou livres traitant de l'utilisation de la descente coordonnée pour L1 (lasso) et / ou de la régularisation nette élastique pour les problèmes de régression linéaire?

12 regression references lasso regularization elastic-net

1

Mise à jour de l'ajustement au lasso avec de nouvelles observations

J'ajuste une régression linéaire régularisée L1 à un très grand ensemble de données (avec n >> p.) Les variables sont connues à l'avance, mais les observations arrivent en petits morceaux. Je voudrais maintenir l'ajustement du lasso après chaque morceau. Je peux évidemment réajuster le modèle entier après avoir vu chaque …

12 regression lasso

5

Que vous disent les courbes ROC que l'inférence traditionnelle ne ferait pas?

Quand auriez-vous tendance à utiliser les courbes ROC sur certains autres tests pour déterminer la capacité prédictive d'une mesure sur un résultat? Lorsqu'il s'agit de résultats discrets (vivants / morts, présents / absents), qu'est-ce qui rend les courbes ROC plus ou moins puissantes que quelque chose comme un chi carré?

12 regression roc

3

Qu'est-ce que l'estimation conjointe?

Ma question est simple: qu'est-ce que l'estimation conjointe? Et qu'est-ce que cela signifie dans le contexte de l'analyse de régression? Comment est-il fait? J'ai erré dans le puissant Internet pendant un certain temps, mais je n'ai pas trouvé de réponses à ces questions.

12 regression estimation terminology

1

Pourquoi R Squared n'est-il pas une bonne mesure pour les régressions ajustées avec LASSO?

J'ai lu à plusieurs endroits que R Squared n'est pas une mesure idéale lorsqu'un modèle est adapté avec LASSO. Cependant, je ne sais pas exactement pourquoi . De plus, pourriez-vous recommander la meilleure alternative?

12 regression lasso r-squared penalized

4

Qu'est-ce qui rend le lasso instable pour la sélection des fonctionnalités?

Dans la détection compressée, il existe un théorème garantissant que a une solution clairsemée unique c (voir l'annexe pour plus de détails).argmin∥c∥1subject to y=Xcargmin‖c‖1subject to y=Xc\text{argmin} \Vert c \Vert_1\\ \text{subject to } y = Xc ccc Existe-t-il un théorème similaire pour le lasso? S'il existe un tel théorème, non seulement …

12 regression self-study feature-selection lasso regularization

1

Comprendre la régression de crête négative

Je recherche de la documentation sur la régression de crête négative . En bref, il est une généralisation de la régression linéaire de la crête négative en utilisant λλ\lambda dans la formule β^=(X⊤X+λI)−1X⊤y.β^=(X⊤X+λI)−1X⊤y.\hat\beta = ( X^\top X + \lambda I)^{-1} X^\top y.Le cas positif a une belle théorie: en tant …

12 regression regularization ridge-regression

Questions marquées «regression»