Statistiques et Big Data regression

2

Étude empirique de la régularisation de la norme et de la norme

Il existe de nombreuses méthodes pour effectuer la régularisation - la régularisation basée sur la norme , et par exemple. Selon Friedman Hastie & Tibsharani , le meilleur régularisateur dépend du problème: à savoir la nature de la véritable fonction cible, la base particulière utilisée, le rapport signal / bruit …

10 r regression machine-learning regularization

3

Résidus de régression logistique et distance de Cook

Existe-t-il des hypothèses particulières concernant les erreurs de régression logistique telles que la variance constante des termes d'erreur et la normalité des résidus? En règle générale, lorsque vous avez des points dont la distance du cuisinier est supérieure à 4 / n, les supprimez-vous? Si vous les supprimez, comment savoir …

10 regression logistic residuals diagnostic cooks-distance

1

Les régressions avec erreurs t-étudiants sont-elles inutiles?

Veuillez voir modifier. Lorsque vous avez des données avec des queues lourdes, faire une régression avec des erreurs de Student-t semble être une chose intuitive à faire. En explorant cette possibilité, je suis tombé sur cet article: Breusch, TS, Robertson, JC et Welsh, AH (1er novembre 1997). Les nouveaux vêtements …

10 regression mathematical-statistics modeling robust

2

Stabilité du modèle dans la validation croisée des modèles de régression

Étant donné les multiples plis de validation croisée d'une régression logistique et les estimations multiples résultantes de chaque coefficient de régression, comment doit-on mesurer si un prédicteur (ou un ensemble de prédicteurs) est ou non stable et significatif sur la base du ou des coefficients de régression ? Est-ce différent …

10 regression model-selection cross-validation

2

Comment choisir la meilleure transformation pour atteindre la linéarité?

Je veux faire une régression linéaire multiple puis prédire de nouvelles valeurs avec peu d'extrapolation. J'ai ma variable de réponse dans la plage de -2 à +7 et trois prédicteurs (les plages d'environ +10 à +200). La distribution est presque normale. Mais la relation entre la réponse et les prédicteurs …

10 regression data-transformation

3

Modèle linéaire Hétéroscédasticité

J'ai le modèle linéaire suivant: Pour résoudre l'hétéroscédasticité des résidus, j'ai essayé d'appliquer une transformation logarithmique à la variable dépendante comme mais je vois toujours le même effet de fan out sur les résidus. Les valeurs DV sont relativement petites, donc l'addition constante +1 avant de prendre le journal n'est …

10 regression data-transformation linear-model heteroscedasticity

2

Comment effectuer une régression de processus gaussienne lorsque la fonction étant approximée change au fil du temps?

Quelles sont les bonnes stratégies pour effectuer une régression du processus gaussien lorsque la fonction que j'essaie d'approcher les changements dans le temps? L'approche naïve qui me vient à l'esprit est de n'utiliser que les N points de données les plus récents pour effectuer la régression. Quelles sont les meilleures …

10 regression online gaussian-process

3

Pourquoi y a-t-il une valeur R ^ 2 (et qu'est-ce qui la détermine) quand lm n'a aucune variance dans la valeur prédite?

Considérez le code R suivant: example <- function(n) { X <- 1:n Y <- rep(1,n) return(lm(Y~X)) } #(2.13.0, i386-pc-mingw32) summary(example(7)) #R^2 = .1963 summary(example(62)) #R^2 = .4529 summary(example(4540)) #R^2 = .7832 summary(example(104))) #R^2 = 0 #I did a search for n 6:10000, the result for R^2 is NaN for #n …

10 r regression

4

Comment interpréter les coefficients transformés logarithmiquement en régression linéaire?

Ma situation est: J'ai 1 variable dépendante continue et 1 variable prédictive continue que j'ai transformée logarithmiquement pour normaliser leurs résidus pour une régression linéaire simple. J'apprécierais toute aide sur la façon dont je peux relier ces variables transformées à leur contexte d'origine. Je veux utiliser une régression linéaire pour …

10 regression data-transformation regression-coefficients logarithm

4

Sortie LaTeX pour l'objet summary.lm de R - tout en affichant les informations en dehors de la table [fermé]

Fermé. Cette question est hors sujet . Il n'accepte pas actuellement les réponses. Voulez-vous améliorer cette question? Mettez à jour la question afin qu'elle soit sur le sujet pour la validation croisée. Fermé il y a 3 ans . Cela m'a semblé être basique, mais je n'arrive pas à trouver …

10 r regression

2

Quand utiliser la distribution de Student ou normale dans la régression linéaire?

Je regarde certains problèmes, et dans certains cas, pour tester les coefficients, parfois je vois des gens utiliser la distribution de Student, et parfois je vois une distribution normale. Quelle est la règle?

10 regression distributions hypothesis-testing

3

Progiciel pour résoudre la régression linéaire de la norme L-infini

Existe-t-il un progiciel pour résoudre la régression linéaire dans le but de minimiser la norme L-infini.

10 regression

2

Données longitudinales: séries chronologiques, mesures répétées ou autre chose?

En clair: j'ai un modèle de régression multiple ou ANOVA mais la variable de réponse pour chaque individu est une fonction curviligne du temps. Comment puis-je savoir laquelle des variables de droite est responsable des différences significatives dans les formes ou les décalages verticaux des courbes? S'agit-il d'un problème de …

10 regression time-series mixed-model repeated-measures panel-data

1

Conseils pour identifier la forme d'une courbe à l'aide de quantreg

J'utilise le package quantreg pour créer un modèle de régression en utilisant le 99e centile de mes valeurs dans un ensemble de données. Sur la base des conseils d'une question de stackoverflow précédente que j'ai posée, j'ai utilisé la structure de code suivante. mod <- rq(y ~ log(x), data=df, tau=.99) …

10 regression logarithm

2

Comparaison d'un modèle mixte (sujet comme effet aléatoire) à un modèle linéaire simple (sujet comme effet fixe)

Je termine une analyse sur un grand ensemble de données. Je voudrais prendre le modèle linéaire utilisé dans la première partie du travail et le réajuster en utilisant un modèle mixte linéaire (LME). Le LME serait très similaire à l'exception que l'une des variables utilisées dans le modèle serait utilisée …

10 r regression hypothesis-testing mixed-model lme4-nlme

Questions marquées «regression»