Statistiques et Big Data regression

3

Régression avec des données asymétriques

Essayer de calculer le nombre de visites à partir de la démographie et du service. Les données sont très biaisées. Histogrammes: qq tracés (à gauche est le journal): m <- lm(d$Visits~d$Age+d$Gender+city+service) m <- lm(log(d$Visits)~d$Age+d$Gender+city+service) cityet servicesont des variables factorielles. J'obtiens une faible valeur de p *** pour toutes les variables, …

11 regression multiple-regression predictive-models exponential qq-plot

1

Quelle est la différence entre la régression vectorielle de support et SVM?

Je connais les bases de SVM et SVR, mais je ne comprends toujours pas comment le problème de trouver un hyperplan qui maximise la marge s'intègre dans SVR. Deuxièmement, j'ai lu quelque chose sur utilisé comme marge de tolérance dans SVR. Qu'est-ce que ça veut dire?ϵϵ\epsilon Troisièmement, y a-t-il une …

11 regression machine-learning svm

2

Arbres de décision et régression - Les valeurs prévues peuvent-elles être en dehors de la plage des données d'entraînement?

En ce qui concerne les arbres de décision, la valeur prédite peut-elle se situer en dehors de la plage des données de formation? Par exemple, si la plage de l'ensemble de données d'apprentissage de la variable cible est 0-100, lorsque je génère mon modèle et l'applique à autre chose, mes …

11 regression predictive-models random-forest cart

3

Des ressources pour apprendre des techniques à cibles multiples?

Je recherche des ressources (livres, notes de cours, etc.) sur les techniques pouvant gérer des données à cibles multiples (Ex: trois variables dépendantes: 2 discrètes et 1 continue). Quelqu'un at-il des ressources / connaissances à ce sujet? Je sais qu'il est possible d'utiliser des réseaux de neurones pour cela.

11 regression machine-learning predictive-models references

2

Fusion des observations dans le processus gaussien

J'utilise le processus gaussien (GP) pour la régression. Dans mon problème, il est assez courant que deux ou plusieurs points de données soient proches l'un de l'autre, relativement aux échelles de longueur du problème. De plus, les observations peuvent être extrêmement bruyantes. Pour accélérer les calculs et améliorer la précision …

11 regression machine-learning gaussian-process

2

Modèle logit bayésien - explication intuitive?

Je dois avouer que je n'avais jamais entendu parler de ce terme dans aucune de mes classes, de premier cycle ou de cycle supérieur. Que signifie qu'une régression logistique soit bayésienne? Je cherche une explication avec une transition de la logistique régulière à la logistique bayésienne similaire à la suivante: …

11 regression logistic bayesian multiple-regression generalized-linear-model

2

Quelles sont les différences entre la régression Ridge en utilisant glmnet de R et scikit-learn de Python?

Je passe par la section LAB §6.6 sur Ridge Regression / Lasso dans le livre 'An Introduction to Statistical Learning with Applications in R' de James, Witten, Hastie, Tibshirani (2013). Plus précisément, j'essaie d'appliquer le Ridgemodèle scikit-learn au jeu de données «Hitters» du package R «ISLR». J'ai créé le même …

11 r machine-learning scikit-learn regression

2

Quand les coefficients estimés par régression logistique et logit-linéaire diffèrent-ils?

Lors de la modélisation de proportions continues (par exemple, couverture végétale proportionnelle aux quadrats d'enquête, ou proportion de temps consacré à une activité), la régression logistique est considérée comme inappropriée (par exemple Warton et Hui (2011) L'arc sinus est asinin: l'analyse des proportions en écologie ). Plutôt, une régression OLS …

11 r regression logistic

1

R - Régression Lasso - Lambda différente par régresseur

Je veux faire ce qui suit: 1) Régression OLS (pas de terme de pénalisation) pour obtenir les coefficients bêta ; représente les variables utilisées pour régresser. Je le fais enb∗jbj∗b_{j}^{*}jjj lm.model = lm(y~ 0 + x) betas = coefficients(lm.model) 2) Régression au lasso avec un terme de pénalisation, les critères …

11 r regression glmnet lars

1

Surdispersion et sous-dispersion en régression binomiale / Poisson négative

J'effectuais une régression de Poisson en SAS et j'ai découvert que la valeur du chi carré de Pearson divisée par les degrés de liberté était d'environ 5, indiquant une surdispersion significative. J'ai donc ajusté un modèle binomial négatif avec proc genmod et j'ai trouvé que la valeur du chi carré …

11 regression binomial underdispersion

1

Quelle est la différence entre le contrôle d'une variable dans un modèle de régression et le contrôle d'une variable dans le plan de votre étude?

J'imagine que le contrôle d'une variable dans votre plan d'étude est plus efficace pour réduire l'erreur que le contrôle post-hoc dans votre modèle de régression. Quelqu'un voudrait-il expliquer officiellement en quoi ces deux exemples de «contrôle» diffèrent? Dans quelle mesure sont-ils relativement efficaces pour réduire les erreurs et produire des …

11 regression experiment-design controlling-for-a-variable

1

Utilisation d'outils d'apprentissage machine standard sur des données censurées à gauche

Je suis en train de développer une application de prévision dont le but est de permettre à un importateur de prévoir la demande de ses produits à partir de son réseau client de distributeurs. Les chiffres des ventes sont un assez bon indicateur de la demande, tant qu'il existe un …

11 r regression machine-learning censoring

2

Programmation quadratique et Lasso

J'essaie d'effectuer une régression au lasso, qui a la forme suivante: Minimiser www dans (Y−Xw)′(Y−Xw)+λ|w|1(Y−Xw)′(Y−Xw)+λ|w|1(Y - Xw)'(Y - Xw) + \lambda \;|w|_1 Étant donné unλλ\lambda , on m'a conseillé de trouver le optimal wwwà l'aide de la programmation quadratique, qui prend la forme suivante: Minimiser xxx en , sous réserve …

11 regression lasso quadratic-form

1

Retour des résultats de régression de transformation lors de la modélisation de log (y)

J'ajuste une régression sur le . Est-il valable de sauvegarder les estimations des points de transformation (et les intervalles de confiance / prédiction) par exponentiation? Je ne le crois pas, puisque mais voulait les opinions des autres.log(y)log⁡(y)\log(y)E[f(X)]≠f(E[X])E[f(X)]≠f(E[X])E[f(X)] \ne f(E[X]) Mon exemple ci-dessous montre des conflits avec la transformation arrière (.239 …

11 regression back-transformation

3

Quels sont les problèmes liés à l'utilisation du résultat en pourcentage dans la régression linéaire?

J'ai une étude où de nombreux résultats sont représentés comme des pourcentages et j'utilise plusieurs régressions linéaires pour évaluer l'effet de certaines variables catégorielles sur ces résultats. Je me demandais, étant donné qu'une régression linéaire suppose que le résultat est une distribution continue, y a-t-il des problèmes méthodologiques dans l'application …

11 regression ratio percentage

Questions marquées «regression»