Statistiques et Big Data regression

1

Valeurs négatives dans les prédictions pour une variable de réponse toujours positive en régression linéaire

J'essaie de prédire une variable de réponse en régression linéaire qui devrait toujours être positive (coût par clic). C'est un montant monétaire. Dans AdWords, vous payez Google pour les clics sur vos annonces, et un nombre négatif signifie que Google vous paie lorsque les utilisateurs cliquent sur: P Les prédicteurs …

8 regression predictive-models

2

Gérer de bonnes performances sur les données de formation et de validation, mais de très mauvaises performances sur les données de test

J'ai un problème de régression avec 5-6k variables. Je divise mes données en 3 ensembles qui ne se chevauchent pas: formation, validation et tests. Je m'entraîne en utilisant uniquement l'ensemble d'entraînement et je génère de nombreux modèles de régression linéaire différents en choisissant un ensemble différent de 200 variables pour …

8 regression cross-validation model-selection r-squared overfitting

1

L'argument des poids dans lm et lme est très différent dans R- est-ce que je les utilise correctement?

Ainsi, il me semble que la fonction de pondération en lm donne aux observations plus de poids plus la valeur de «poids» de l'observation associée est grande, tandis que la fonction lme en lme fait exactement le contraire. Cela peut être vérifié avec une simulation simple. #make 3 vectors- c …

8 r regression mixed-model weighted-regression

2

Utilisation d'un ensemble de régressions logistiques binaires avec variable de réponse catégorielle à choix multiple

J'ai des données d'enquête catégoriques sur les attitudes des gens envers un certain domaine politique de 13 pays. La variable de réponse est catégorique et comprend 4 réponses distinctes qui ne peuvent pas être ordonnées. Je voudrais construire un modèle multinomial d'interception aléatoire à plusieurs niveaux et de pente aléatoire. …

8 regression logistic multinomial

2

Confusion liée à la distribution prédictive des processus gaussiens

J'ai cette confusion liée à la distribution prédictive du processus gaussien. Je lisais ce papier Je n'ai pas compris comment l'intégration a donné ce résultat. Qu'est-ce que P (u * | x *, u). Aussi comment la covariance de la distribution postérieure est-elleσ2(σ2je+ K)- 1Kσ2(σ2I+K)−1K\sigma^2(\sigma^2I+K)^{-1}K

8 regression normal-distribution gaussian-process

3

Alternatives au modèle logit multinomial

J'essaie d'estimer un modèle de choix professionnel avec trois choix. Existe-t-il des alternatives à l'utilisation de la régression logistique multinomiale lors de la gestion de ces résultats catégoriels non ordonnés? Lorsqu'il s'agit de variables dépendantes binaires, il semble y avoir plusieurs choix tels que le modèle LPM ainsi que le …

8 regression logit probit link-function multinomial-logit

3

Choisir entre les transformations de la régression logistique

En régression linéaire, les transformations des variables explicatives sont effectuées pour avoir une corrélation maximale avec la variable dépendante. Quelle est la meilleure mesure pour choisir entre plusieurs transformations dans la régression logistique, car la variable dépendante est binaire et non continue? L'objectif final est de maximiser la portance (puissance …

8 regression logistic

1

Comment le modèle linéaire généralisé généralise-t-il le modèle linéaire général?

De Wikipédia Le modèle linéaire général (GLM) est un modèle linéaire statistique. Il peut être écrit comme 1 où est une matrice avec une série de mesures multivariées, est une matrice qui pourrait être une matrice de conception , est une matrice contenant des paramètres qui sont généralement à estimer …

8 regression generalized-linear-model assumptions

2

Est-il techniquement «valide» d'adapter une régression logistique à une variable dépendante qui est une proportion?

Plusieurs articles ( ici et ici ) suggèrent que la régression bêta est plus appropriée lorsque la variable dépendante est naturellement limitée entre 0 et 1. Ma question est, en laissant de côté la pertinence, est-il techniquement incorrect d'adapter une régression logistique à une variable de réponse proportionnelle? R lancera …

8 regression logistic proportion

1

Utilisation de composants PCA à rotation varimax comme prédicteurs dans la régression linéaire

Après avoir fait l'ACP, le premier composant décrit la plus grande partie de la variabilité. Ceci est important, par exemple dans l'étude des mesures corporelles où il est communément connu (Jolliffe, 2002) que l'axe PC1 capture la variation de taille. Ma question est de savoir si les scores PCA après …

8 regression pca factor-rotation

1

Application de la récence dans la régression logistique

Existe-t-il des concepts ou des théories statistiques sur la façon de mesurer efficacement la récence dans laquelle les événements récents ont plus de poids que les événements plus anciens. Je crée un modèle de régression logistique et je voudrais appliquer un ajustement à divers facteurs en fonction de la récence …

8 regression logistic

1

Prédire le vainqueur d'un match de football basé uniquement sur le résultat des matchs précédents entre les deux équipes

Je suis un grand fan de football et je m'intéresse aussi à l'apprentissage automatique. En tant que projet pour mon cours de ML, j'essaie de construire un modèle qui prédirait les chances de gagner pour l'équipe à domicile, étant donné les noms de l'équipe à domicile et à l'extérieur. (Je …

8 regression machine-learning predictive-models neural-networks

1

Impossible d'ajuster la régression binomiale négative dans R (tentative de réplication des résultats publiés)

Tenter de reproduire les résultats de l'article récemment publié, Aghion, Philippe, John Van Reenen et Luigi Zingales. 2013. «Innovation and Institutional Ownership». American Economic Review, 103 (1): 277-304. (Les données et le code stata sont disponibles sur http://www.aeaweb.org/aer/data/feb2013/20100973_data.zip ). Je n'ai aucun problème à recréer les 5 premières régressions dans …

8 r regression negative-binomial

1

Biais variable omis dans la régression linéaire

J'ai une question philosophique concernant le biais variable omis. Nous avons le modèle de régression typique (modèle de population) où proviennent les échantillons , puis un tas de conditions dans lesquelles les estimations de l'OLS se comportent assez bien.Y=β0+β1X1+...+βnXn+υ,Y=β0+β1X1+...+βnXn+υ, Y= \beta_0 + \beta_1X_1 + ... + \beta_nX_n + \upsilon, (Y,X1,...,Xn)(Y,X1,...,Xn)(Y,X_1,...,X_n) …

8 regression model-selection assumptions bias

5

Classification vs régression pour la prédiction du signe d'une variable de réponse continue

Disons que je veux prédire si un projet sera rentable ou non. Dans mes données d'échantillon, la variable de réponse est en fait une variable continue: le $ profit / loss du projet. Parce que mon objectif ultime est juste une classification binaire (projet rentable ou projet non rentable), dois-je …

8 regression classification predictive-models

Questions marquées «regression»