Statistiques et Big Data regression

3

Pourquoi la régression linéaire n'est-elle pas en mesure de prédire le résultat d'une simple séquence déterministe?

Un de mes collègues m'a envoyé ce problème apparemment en faisant le tour sur Internet: If $3 = 18, 4 = 32, 5 = 50, 6 = 72, 7 = 98$, Then, $10 =$ ? La réponse semble être 200. 3*6 4*8 5*10 6*12 7*14 8*16 9*18 10*20=200 Quand je …

9 r regression lm

1

Appliquer une régression de crête pour un système d'équations sous-déterminé?

Lorsque , le problème des moindres carrés qui impose une restriction sphérique à la valeur de peut être écrit comme pour un système surdéterminé. \ | \ cdot \ | _2 est la norme euclidienne d'un vecteur.y=Xβ+ey=Xβ+ey = X\beta + eδδ\deltaββ\betamin ∥y−Xβ∥22s.t. ∥β∥22≤δ2min⁡ ‖y−Xβ‖22s.t.⁡ ‖β‖22≤δ2\begin{equation} \begin{array} &\operatorname{min}\ \| y - …

9 regression least-squares regularization ridge-regression underdetermined

1

Configuration des données pour les différences dans les différences

Quelle configuration est correcte pour un modèle de régression de différence en utilisant Ouii s t= α + γs∗ T+ λ dt+ δ∗ ( T∗ dt) + ϵi s tOuijest=α+γs∗T+λrét+δ∗(T∗rét)+ϵjestY_{ist} = \alpha +\gamma_s*T + \lambda d_t + \delta*(T*d_t)+ \epsilon_{ist} où T est un mannequin qui est égal à 1 si …

9 regression econometrics difference-in-difference

1

R: Anova et régression linéaire

Je suis nouveau dans les statistiques et j'essaie de comprendre la différence entre l'ANOVA et la régression linéaire. J'utilise R pour explorer cela. J'ai lu divers articles sur les raisons pour lesquelles l'ANOVA et la régression sont différentes mais toujours les mêmes et comment elles peuvent être visualisées, etc. Je …

9 r regression anova

3

Régression logistique: maximiser les vrais positifs - les faux positifs

J'ai un modèle de régression logistique (ajustement via glmnet en R avec régularisation nette élastique), et je voudrais maximiser la différence entre les vrais positifs et les faux positifs. Pour ce faire, la procédure suivante est venue à l'esprit: Ajuster le modèle de régression logistique standard En utilisant un seuil …

9 r regression logistic classification glmnet

2

Simulation de données pour s'adapter à un modèle de médiation

Je souhaite trouver une procédure pour simuler des données cohérentes avec un modèle de médiation spécifié. Selon le cadre général du modèle d'équation structurelle linéaire pour tester les modèles de médiation décrit pour la première fois par Barron et Kenny (1986) et décrit ailleurs comme Judd, Yzerbyt et Muller (2013) …

9 r regression simulation random-generation mediation

1

Interprétation de l'estimation d'erreur hors du sac pour RandomForestRegressor

J'utilise le régresseur RandomForest sur mes données et j'ai pu voir que le score oob a été obtenu à 0,83. Je ne sais pas comment ça s'est passé comme ça. Je veux dire que mes cibles sont des valeurs élevées de l'ordre de 10 ^ 7. Donc, si c'est MSE, …

9 regression random-forest

4

Utilisation de la régression logistique pour une variable dépendante continue

J'ai récemment reçu une révision de mon article de recherche et voici le commentaire de l'examinateur sur mon article: les résultats obtenus à partir d'un modèle ne sont pas tout à fait convaincants, en particulier la régression linéaire présente généralement des lacunes dans le traitement des valeurs aberrantes. Je suggère …

9 regression logistic multiple-regression

2

Calcul de l'intervalle de prédiction

J'ai les données suivantes situées ici . J'essaie de calculer l'intervalle de confiance à 95% sur la pureté moyenne lorsque le pourcentage d'hydrocarbures est de 1,0. Dans R, je saisis ce qui suit. > predict(purity.lm, newdata=list(hydro=1.0), interval="confidence", level=.95) fit lwr upr 1 89.66431 87.51017 91.81845 Cependant, comment puis-je obtenir ce …

9 r regression confidence-interval prediction-interval

1

Utiliser les centiles comme prédicteurs - bonne idée?

Je pense à un problème qui consiste à prédire le journal (dépenses) d'un client à l'aide d'une régression linéaire. Je réfléchis aux fonctionnalités à utiliser en entrée et je me demande si ce serait correct d'utiliser le centile d'une variable comme entrées. Par exemple, je pourrais utiliser les revenus de …

9 regression linear-model quantiles predictor

2

Ajout de pondérations pour des ensembles de données fortement asymétriques dans la régression logistique

J'utilise une version standard de régression logistique pour adapter mes variables d'entrée aux variables de sortie binaires. Cependant, dans mon problème, les sorties négatives (0s) dépassent de loin les sorties positives (1s). Le rapport est de 20: 1. Ainsi, lorsque je forme un classificateur, il semble que même les fonctionnalités …

9 regression logistic weighted-regression

3

Problème de jouet de régression du processus gaussien

J'essayais d'acquérir une certaine intuition pour la régression du processus gaussien, j'ai donc fait un simple problème de jouet 1D à essayer. J'ai pris comme entrées et comme réponses. ('Inspiré' de )y i = { 1 , 4 , 9 } y = x 2Xje= { 1 , 2 , …

9 regression gaussian-process

1

Le carré R ajusté cherche-t-il à estimer le score fixe ou la population au score aléatoire r au carré?

Le r carré de la population peut être défini en supposant des scores fixes ou des scores aléatoires:ρ2ρ2\rho^2 Scores fixes: la taille de l'échantillon et les valeurs particulières des prédicteurs sont maintenues fixes. Ainsi, est la proportion de variance expliquée dans le résultat par l'équation de régression de la population …

9 regression estimation r-squared

2

Erreur standard des pentes en régression linéaire par morceaux avec des points de rupture connus

La situation J'ai un ensemble de données avec un dépendant et une variable indépendante . Je veux adapter une régression linéaire continue par morceaux avec points d'arrêt connus / fixes se produisant à . Les breakpoins sont connus sans incertitude, donc je ne veux pas les estimer. Ensuite, j'adapte une …

9 r regression standard-error piecewise-linear

1

Sous quelles hypothèses la méthode des moindres carrés ordinaires donne-t-elle des estimateurs efficaces et non biaisés?

Est-il vrai que selon les hypothèses de Gauss Markov, la méthode des moindres carrés ordinaires donne des estimateurs efficaces et non biaisés? Donc: tE( ut) = 0E(ut)=0E(u_t)=0 pour toutttt t = sE( utus) = σ2E(utus)=σ2E(u_tu_s)=\sigma^2 pourt = st=st=s t ≠ sE( utus) = 0E(utus)=0E(u_tu_s)=0 pourt ≠ st≠st\neq s où sont …

9 regression self-study least-squares

Questions marquées «regression»