Statistiques et Big Data regression

4

Est-il judicieux d’ajouter un terme quadratique mais pas le terme linéaire à un modèle?

J'ai un modèle (mixte) dans lequel l'un de mes prédicteurs ne devrait a priori être associé de manière quadratique au prédicteur (en raison de la manipulation expérimentale). Par conséquent, je voudrais ajouter uniquement le terme quadratique au modèle. Deux choses m'empêchent de le faire: Je pense avoir lu quelque part …

57 regression polynomial

2

Régression de Bayes: comment cela se fait-il par rapport à la régression standard?

J'ai quelques questions sur la régression bayésienne: une régression standard telle que . Si je veux changer cela en une régression bayésienne, ai-je besoin de distributions antérieures à la fois pour et (ou cela ne fonctionne-t-il pas de cette façon)?y=β0+β1x+εy=β0+β1x+εy = \beta_0 + \beta_1 x + \varepsilonβ0β0\beta_0β1β1\beta_1 Dans la régression …

57 regression bayesian

6

La régularisation L2 est équivalente au Prior Gaussien

Je continue à lire ceci et intuitivement je peux le voir, mais comment passer de la régularisation L2 à dire qu’il s’agit d’un Prior gaussien analytiquement? Il en va de même pour dire que L1 est équivalent à un précédent laplacien. Toute autre référence serait géniale.

56 regression references regularization

1

La régression logistique en R a conduit à une séparation parfaite (phénomène de Hauck-Donner). Maintenant quoi?

Je suis en train de prédire un résultat binaire en utilisant 50 variables continues explicatives (la gamme de la plupart des variables est à ∞ ). Mon ensemble de données contient près de 24 000 lignes. Quand je cours en R, je reçois:−∞−∞-\infty∞∞\inftyglm Warning messages: 1: glm.fit: algorithm did not …

56 r regression logistic separation

2

Une discussion plus définitive sur la sélection de variables

Contexte Je fais de la recherche clinique en médecine et j'ai suivi plusieurs cours de statistiques. Je n'ai jamais publié d'article sur la régression linéaire / logistique et souhaiterais effectuer une sélection de variables correctement. L’interprétabilité est importante, donc pas de techniques d’apprentissage automatique sophistiquées. J'ai résumé ma compréhension de …

55 regression feature-selection model-selection

6

Alternatives à la régression logistique dans R

Je voudrais autant d’algorithmes effectuant la même tâche que la régression logistique. Ce sont des algorithmes / modèles qui peuvent donner une prédiction à une réponse binaire (Y) avec une variable explicative (X). Je serais heureux si, après avoir nommé l'algorithme, vous montriez également comment l'implémenter dans R. Voici un …

55 r regression logistic classification predictive-models

5

Est-ce une bonne idée d’ajuster les valeurs p dans une régression multiple pour des comparaisons multiples?

Supposons que vous êtes un chercheur en sciences sociales / économétrique qui essaie de trouver des prédicteurs pertinents de la demande d'un service. Vous avez 2 variables de résultat / variables dépendantes décrivant la demande (en utilisant le service oui / non et le nombre d'occasions). Vous avez 10 variables …

54 regression multivariate-analysis predictive-models multiple-regression multiple-comparisons

3

Régression linéaire multivariée vs réseau de neurones?

Il semble qu'il soit possible d'obtenir des résultats similaires à ceux d'un réseau de neurones avec une régression linéaire multivariée dans certains cas, et la régression linéaire multivariée est extrêmement rapide et facile. Dans quelles circonstances les réseaux de neurones peuvent-ils donner de meilleurs résultats que la régression linéaire multivariée?

54 regression multiple-regression neural-networks

3

Box-Cox comme transformation pour les variables indépendantes?

Existe-t-il une transformation de type Box-Cox pour les variables indépendantes? C’est-à-dire une transformation qui optimise la variable manière à ce qu’elle corresponde mieux à un modèle linéaire?XXxy~f(x) Si oui, existe-t-il une fonction pour effectuer cela R?

53 r regression data-transformation normality-assumption

6

Régression linéaire en ligne efficace

J'analyse des données pour lesquelles je souhaite effectuer une régression linéaire ordinaire. Toutefois, cela n’est pas possible car je traite d’un paramètre en ligne avec un flux continu de données d’entrée (qui deviendra rapidement trop volumineux pour la mémoire). pour mettre à jour les estimations de paramètres pendant la consommation. …

53 time-series regression algorithms real-time

2

Que signifie avoir «variance constante» dans un modèle de régression linéaire?

Que signifie avoir "variance constante" dans le terme d'erreur? À mon avis, nous avons des données avec une variable dépendante et une variable indépendante. La variance constante est l'une des hypothèses de la régression linéaire. Je me demande ce que signifie l'homoscédasticité. Puisque même si j'ai 500 lignes, j'aurais une …

53 regression heteroscedasticity

3

Pourquoi nous soucions-nous tant des termes d'erreur (et de l'homoscédasticité) normalement distribués dans la régression linéaire alors que nous n'en avons pas besoin?

Je suppose que je suis frustré chaque fois que j'entends quelqu'un dire que la non-normalité des résidus et / ou l'hétéroscédasticité enfreignent les suppositions de la méthode MCO. Pour estimer les paramètres dans un modèle MLS, aucune de ces hypothèses n'est nécessaire selon le théorème de Gauss-Markov. Je vois à …

52 regression assumptions normality-assumption robust teaching

5

Est-il nécessaire de redimensionner la valeur cible en plus des fonctionnalités de redimensionnement pour l'analyse de régression?

Je construis des modèles de régression. En guise d’étape de prétraitement, j’adapte mes valeurs de caractéristiques à la moyenne 0 et à l’écart type 1. Faut-il normaliser également les valeurs cibles?

52 regression machine-learning

4

Pourquoi ne pas aborder la classification par régression?

Certains documents sur l'apprentissage automatique que j'ai vus disent qu'il est une mauvaise idée d'aborder un problème de classification par régression. Mais je pense qu'il est toujours possible de faire une régression continue pour ajuster les données et tronquer la prédiction continue afin de produire des classifications discrètes. Alors pourquoi …

51 regression machine-learning classification

3

Une forêt aléatoire peut-elle être utilisée pour la sélection d’entités dans une régression linéaire multiple?

Puisque RF peut gérer la non-linéarité mais ne peut pas fournir de coefficients, serait-il sage d'utiliser une forêt aléatoire pour rassembler les caractéristiques les plus importantes, puis de les brancher dans un modèle de régression linéaire multiple afin d'obtenir leurs coefficients?

50 regression machine-learning feature-selection random-forest regression-strategies

Questions marquées «regression»